YOLOv8实例分割推理流程及Python代码

### YOLOv8 实例分割推理结果可视化方法 对于YOLOv8实例分割模型，在完成图像预测之后，可以利用`plotting`功能来实现对推理结果的可视化。当调用模型进行预测时，默认情况下会返回包含检测框、类别标签以及掩码信息的结果对象。 为了展示这些结果，可以通过如下方式操作： ```python from ultralytics import YOLO import matplotlib.pyplot as plt import cv2 model = YOLO("yolov8n-seg.pt") # 加载预训练模型 results = model("https://ultralytics.com/images/bus.jpg") # 对图片执行预测 for r in results: im_array = r.plot() # 绘制边界框和mask到原图上 im = cv2.cvtColor(im_array, cv2.COLOR_BGR2RGB) # 转换颜色空间以便显示 plt.figure(figsize=(10, 10)) plt.imshow(im) plt.axis('off') plt.show() ``` 上述代码片段展示了如何加载一个预先训练好的YOLOv8实例分割模型并对给定URL中的图片执行预测[^1]。通过循环遍历预测结果列表，并使用`.plot()`函数绘制出每个目标物体对应的边框及其分割掩膜至原始输入图像之上；最后借助Matplotlib库将处理后的图像呈现出来供观察者查看。 #### 关于参数配置 如果希望进一步自定义可视化的外观样式，比如调整置信度阈值、仅显示特定类别的标注或是改变画布大小等，则可以在初始化YOLO对象之前设置相应的超参选项。例如，可通过命令行解析器传递额外参数控制是否实时观看预测效果[^2]。