【ultralytics-seg: 03】实例分割模型python预测

### 使用 YOLOv8-seg 和 `best.pt` 进行图像分割生成掩码 为了使用 YOLOv8-seg 及其预训练模型文件 `best.pt` 来执行图像分割并生成掩码，可以遵循以下方法： 加载指定的 YOLOv8 模型可以通过调用 `YOLO` 类来完成，并传递保存有最佳权重的 `.pt` 文件路径作为参数。对于预测操作，则需提供待处理图片的位置给已加载的模型对象。 ```python from ultralytics import YOLO model_path = 'D:/study/cnn/yolo/ultralytics/runs/segment/train4/weights/best.pt' image_path = 'D:/study/cnn/yolo/ultralytics/data/image/1.png' # 加载模型 model = YOLO(model_path) # 执行预测并将结果保存至默认目录下 results = model(image_path, save=True) ``` 上述代码片段展示了如何利用特定于实例分割任务的最佳权重来进行推理过程[^1]。 当获取到预测的结果后，可通过遍历返回的对象集合访问各个检测项的具体属性，比如边界框、置信度分数以及最重要的——分割掩码信息。 ```python for result in results: # 获取边界框信息 boxes = result.boxes # 获取分割掩码信息 masks = result.masks # 如果需要进一步处理这些数据结构中的内容，可以根据具体需求编写相应逻辑 ``` 此部分说明了怎样解析由模型产生的输出，特别是提取出用于表示目标区域边界的坐标点数组和对应的二值化掩码矩阵。