YoloV8训练和平精英人物检测模型

2025/4/1 1:23:20 来源：https://blog.csdn.net/qq_35230125/article/details/146516187 浏览: 次关键词：YoloV8训练和平精英人物检测模型

概述

和平精英人物检测，可以识别游戏中所有人物角色，并通过绘制框将人物选中，训练的模型仅仅具有识别功能，可以识别游戏中的视频、图片等文件，搭配Autox.js可以推理，实现实时绘制，但是对手机性能有要求，低配手机会有卡顿现象；本文仅提供一个在手机实时检测推理的思路具体如何去实现需要自己动手

演示效果

基于YoloV8使用飞桨AI studio训练和平精英人物检测模型：autox.js实时游戏检测（2

在这里插入图片描述

核心逻辑

通过yolov8训练得到识别模型，进行识别图片或视频应用，如果需要手机进行推理，则需要将模型转换为ncnn，搭配Autox.js推理源代码完成实时绘制

训练方式

下载附件，删除里面多余的 "部署工具及模型文件"即可（项目内已包含Yolov8n.pt）

安装

  pip install ultralytics

推理

  yolo task=detect mode=predict model=yolov8n.pt conf=0.25 source='ultralytics/assets/bus.jpg'

训练代码

  yolo task=detect mode=train model=yolov8n.pt data=hpjys.yaml epochs=100 imgsz=640 device=cpu

恢复训练

  yolo train resume model=runs/detect/train/weights/last.pt

部署方式

1、用于识别图片：下载已完成训练的pt模型，读取模型(或者直接运行demo文件即可)

import cv2# 加载模型
model = YOLO("best.pt")# 读取图片
img_path = "C:\\Users\\Administrator\\Desktop\\test\\2.jpg"
img = cv2.imread(img_path)# 检测
results = model(img)  # 也可以用 model.predict(img)# 可视化结果
annotated_img = results[0].plot()  # 绘制检测框
cv2.imshow("Detection", annotated_img)
cv2.waitKey(0)  # 按任意键关闭窗口
cv2.destroyAllWindows()

运行结果
在这里插入图片描述