Yolo v8目前已經(jīng)支持Yolo-World，整理一下初步使用步驟。

使用步驟

1 先下載Yolo-World的pt文件，下載地址：GitHub - AILab-CVC/YOLO-World: [CVPR 2024] Real-Time Open-Vocabulary Object Detection

官網(wǎng)應(yīng)該是點(diǎn)這里（有個(gè)笑臉）下載，我一直刷不出來(lái)界面，所以不確定：

我自己用的是在其他網(wǎng)友提供的地址下載的，應(yīng)該是V1版本（yolov8-world.pt），目前已經(jīng)出了V2版本。

2 新建一個(gè)python腳本，叫testYolo-World.py，這里我們使用Yolo v8自帶的bus.jpg進(jìn)行測(cè)試。

from ultralytics import YOLOWorld# 目標(biāo)檢測(cè)
# Load a model
model = YOLOWorld('data/yolov8s-world.pt')  # load a pretrained model# Define custom classes
model.set_classes(['glasses'])#model.save("data/yolov8s-world2.pt")# Run inference on 'bus.jpg' with arguments
results = model.predict('data/bus.jpg',save=True, imgsz=640)

運(yùn)行過(guò)程中，會(huì)提示缺失CLIP庫(kù)，然后等待一會(huì)，會(huì)自動(dòng)安裝。安裝成功后，再次運(yùn)行一遍，會(huì)出結(jié)果，能檢測(cè)到glasses.

但是嘗試了其他類別，'tree' 'window' 'clothes' 'shoes'，除了'shoes'，其他都檢測(cè)不出來(lái)，不知道V2效果會(huì)不會(huì)好一點(diǎn)。

如果注釋掉設(shè)置類別這句話，能檢測(cè)到的類別和Yolo v8自帶的pt文件檢測(cè)類別基本一致，置信度很高，但是有一個(gè)錯(cuò)誤，多檢測(cè)出來(lái)一個(gè)person。