|
点击上方蓝字关注我们
微信公众号：OpenCV学堂
关注获取更多计算机视觉与深度学习知识
YOLOv8 OBB介绍
YOLOv8框架在在支持分类、对象检测、实例分割、姿态评估的基础上更近一步，现已经支持旋转对象检测（OBB），基于DOTA数据集，支持航拍图像的15个类别对象检测，包括车辆、船只、典型各种场地等。包含2800多张图像、18W个实例对象。
不同尺度的YOLOv8 OBB模型的精度与输入格式列表如下：
导出与预测
基于YOLOv8命令行推理测试：## 导出yolo export model=yolov8s-obb.pt format=onnx## 推理yolo obb predict model=yolov8n-obb.pt source=plane_03.jpg
输入与输出结构说明
基于OpenCV4.8 DNN与ONNX格式模型直接预测推理，首先看一下ONNX格式的YOLOv8-OBB输入与输出格式：
OpenCV4.8 C++ 推理演示我把YOLOv8 OBB C++推理封装成一个类YOLOv8ObbDetector，客户端调用只有引用头文件，然后三行代码即可实现YOLOv8旋转对象检测C++ 的推理，代码演示如下：#include <yolov8_obb_opencv.h>
#include <iostream>
#include <fstream>
std::string label_map = "D:/python/my_yolov8_train_demo/dotav1.txt";
int main(int argc, char** argv) {
std::vector<std::string> classNames;
std::ifstream fp(label_map);
std::string name;
while (!fp.eof()) {
getline(fp, name);
if (name.length()) {
classNames.push_back(name);
}
}
fp.close();
std::shared_ptr<YOLOv8ObbDetector> detector(new YOLOv8ObbDetector());
detector->initConfig("D:/python/my_yolov8_train_demo/yolov8s-obb.onnx", 0.4f, 1024, 1024);
cv::Mat frame = cv::imread("D:/python/my_yolov8_train_demo/wh300.jpg");
detector->detect(frame, classNames);
cv::imshow("YOLOv8 旋转对象检测 + OpenCV4.8", frame);
cv::waitKey(0);
cv::destroyAllWindows();
return 0;
}
运行结果如下：
扫码学习YOLOv8视频课程
推荐阅读
OpenCV4.8+YOLOv8对象检测C++推理演示
三行代码实现 TensorRT8.6 C++ 深度学习模型部署
实战 | YOLOv8+OpenCV 实现DM码定位检测与解析
好书推荐
《OpenCV应用开发：入门、进阶与工程化实践》全书共计16个章节，重点聚焦OpenCV开发常用模块详解与工程化开发实践，提升OpenCV应用开发能力，助力读者成为OpenCV开发者，同时包含深度学习模型训练与部署加速等知识，帮助OpenCV开发者进一步拓展技能地图，满足工业项目落地所需技能提升。购买请点链接：
https://item.jd.com/10092255924058.html
学习课程有专属答疑群
负责贴身答疑解惑
读者专属QQ群 :657875553
进群暗号：OpenCV4读者
|
