【YOLOv8

2024-01-24 21:29| 来源: 网络整理| 查看: 265

‍‍🏡博客主页： virobotics的CSDN博客：LabVIEW深度学习、人工智能博主 🎄所属专栏：『LabVIEW深度学习实战』 🍻上期文章：【图像分类】基于LabVIEW实现四大经典轻量级网络之一MobileNet的图像分类 📰如觉得博主文章写的不错或对你有所帮助的话，还望大家多多支持呀！欢迎大家✌关注、👍点赞、✌收藏、👍订阅专栏

文章目录前言一、YOLOv8简介二、环境搭建2.1 部署本项目时所用环境2.2 LabVIEW工具包下载及安装三、导出YOLOv8-seg 实例分割onnx模型3.1 安装YOLOv83.2 导出模型为onnx 四、项目实践五、项目源码总结

前言

Hello，大家好，这里是virobotics。之前有介绍YOLOv8在LabVIEW中实现目标检测，今天我们一起来看一下LabVIEW使用onnx工具包调用YOLOv8-Seg实现实例分割。在这里插入图片描述

一、YOLOv8简介

前面我们在给各位读者介绍YOLOv8目标检测的时候介绍过YOLOv8， YOLOv8是由Ultralytics 发布的。与之前的YOLO相比，YOLOv8 模型更快、更准确，同时为训练模型提供统一框架，以执行以下基本任务，包括：目标检测、实例分割、图像分类、人体姿态。

YOLOv8-seg 有 5 个不同模型大小的预训练模型：n、s、m、l 和 x。其中 YOLOv8 Nano Seg（YOLOv8n-seg）是最小的模型，但速度最快；而 YOLOv8 Extra Large Seg (YOLOv8x-seg) 是最准确的模型，但速度最慢。

每个模型的准确率及速度如下：

在这里插入图片描述

YOLOv8官方开源地址：https://github.com/ultralytics/ultralytics 二、环境搭建 2.1 部署本项目时所用环境操作系统：Windows10python：3.6及以上LabVIEW：2018及以上 64位版本AI视觉工具包：techforce_lib_opencv_cpu-1.0.0.98.viponnx工具包：virobotics_lib_onnx_cuda_tensorrt-1.0.0.16.vip【1.0.0.16及以上版本】或virobotics_lib_onnx_cpu-1.13.1.2.vip 2.2 LabVIEW工具包下载及安装 AI视觉工具包下载与安装参考： https://blog.csdn.net/virobotics/article/details/123656523onnx工具包下载与安装参考： https://blog.csdn.net/virobotics/article/details/124998746 三、导出YOLOv8-seg 实例分割onnx模型

注意：本教程已经为大家提供了YOLOv8-seg的onnx模型，可跳过本步骤，直接进行步骤四-项目实战。若是想要了解YOLOv8-seg的onnx模型如何导出，则可继续阅读本部分内容。

下面我们来介绍onnx模型的导出(以YOLOv8s-seg为例，想要导出其他模型的方式也一样，只需要修改名字即可)

3.1 安装YOLOv8

YOLOv8的安装有两种方式，pip安装和GitHub安装。

pip安装 pip install ultralytics -i https://pypi.douban.com/simple/ GitHub安装 git clone https://github.com/ultralytics/ultralytics cd ultralytics pip install -e '.[dev]'

安装完成后就可以通过yolo命令在命令行进行使用了。

3.2 导出模型为onnx

首先使用命令:

yolo export model=yolov8s-seg.pt format=onnx

完成yolov8s-seg.onnx模型导出，如下图所示。

在这里插入图片描述

YOLOv8-seg模型一共有两个输出:

第一个输出：“output0”；type：float32[1,116,8400]。其中116的前84个列与 YOLOv8目标检测模型输出定义一样，即cx,cy,w,h这4项再加80个类别的分数；后32列用于计算掩膜数据。

第二个输出：“output1”；type：float32[1,32,160,160]。output0后32个字段与output1的数据做矩阵乘法后得到的结果，即为对应目标的掩膜数据。

在这里插入图片描述

如果觉得上面方式不方便，那我们也可以写一个python脚本，快速导出yolov8的onnx模型，程序如下：

from ultralytics import YOLO # Load a model model = YOLO("\models\yolov8s-seg.pt") # load an official model # Export the model model.export(format="onnx") 四、项目实践

实现效果：LabVIEW中部署yolov8-seg实现实例分割

框架源码；在这里插入图片描述

运行效果在这里插入图片描述

五、项目源码

如需源码，请在一键三联并订阅本专栏后评论区留下邮箱

总结

以上就是今天要给大家分享的内容，希望对大家有用。之后会继续给大家更新使用在LabVIEW种使用OpenVINO以及TensorRT来部署加速YOLOv8实现实例分割，我是virobotics,我们下篇文章见~

如果文章对你有帮助，欢迎✌关注、👍点赞、✌收藏、👍订阅专栏

【YOLOv8

【YOLOv8

今日新闻

推荐新闻