YOLO 是目前最快速也是最精準的圖型辨識模型，烏俄戰爭的無人機就是使用此模型。

一開始 YOLO 只是一篇論文，到了 2025 年 進化到了 v12 版本，其歷史如下。

原由

1991 年魔鬼終結者 2 這部電影出現很多驚人的橋段，如下圖所示。

一部 “機器” 竟然能判斷這個是 “人類”，甚至還能丈量尺寸大小。這畫面對當時的人非常震憾，也覺得這個導演是個天才。

丈量尺寸的方法，是有紅外線等方式精準測量。但判讀 “人類” 這件事經過 30 年的研發，才發展出可以 “大約” 辨識 “人類” 的演算法。

安裝

自 v8 開始直接由 pip 安裝 ultralytics 套件即可，不用像 v7 版還要手動下載 github 原始碼那麼麻煩。

但是 ultralytics 會自動安裝無法使用 cuda 的 Pytorch，所以請先安裝可用 cuda 的 Pytorch，然後才安裝 ultralytics。

偵測

直接在 Terminal  執行如下指令，此指令會自動下載 “yolov12n.pt” 權重，偵測的結果放置在 ./run/detect/predict目錄下。

yolo predict model=yolov12n.pt source="https://ultralytics.com/images/bus.jpg"

其它權重下載

上述的 yolov12n.pt 又稱為預訓練權重(pretrain)，由官網使用  coco 資料集所訓練出來的權重。除了可以用來偵測 80 種物件外，也可以用來訓練其它資料集的權重，可以到如下網址下載。

https://github.com/ultralytics/ultralytics 網站往下拉就有預訓練權重可供下載。預訓練權重有 yolov8n、yolov8s、yolov8m、yolov8l、yolov8x 共 5 種，愈往下愈精準但速度愈慢。請將下載的 .pt 檔儲存在專案目錄下。

使用程式碼偵測

使用程式碼偵測

import numpy as np
# import torch
# print(torch.cuda.is_available())

from ultralytics import YOLO
import cv2
import pylab as plt

# 載入模型
model = YOLO("yolo12s.pt")

# 讀取圖片
img = cv2.imdecode(np.fromfile("dog.jpg", dtype=np.uint8), cv2.IMREAD_UNCHANGED)
img=img[:,:,::-1].copy()

# 辨識圖片
results = model(img)[0]  # 取得第一個結果

# 取得辨識結果
boxes = results.boxes  # 邊界框
probs = results.probs  # 各類別機率
classes = results.names  # 類別名稱映射

# 繪制邊框
for box in boxes:
    x1, y1, x2, y2 = box.xyxy.cpu().numpy().astype(int)[0]
    conf = box.conf.cpu().numpy()[0]
    cls = int(box.cls.cpu().numpy()[0])
    label = results.names[cls]
    cv2.rectangle(img, (x1, y1), (x2, y2), (0,255,0), 2)
    cv2.putText(img, f"{label}:{conf:.2f}", (x1, y1-10),
                cv2.FONT_HERSHEY_SIMPLEX, 5.0, (0,255,0), 10)
plt.axis("off")
plt.imshow(img)
plt.show()

todo

使用程式碼偵測

 import YOLO 產生 model 模型，然用 model.predict() 即可偵測，傳入裏面的參數，可以是圖片檔名，也可以是讀入記憶体的 cv2 格式。

results[0].boxes.cls 是偵測到的物件索引編號，為 torch 格式。results[0].boxes.xyxy 則是所有物件方框的座標。

import platform
import cv2
import numpy as np
from PIL import Image, ImageFont, ImageDraw
from ultralytics import YOLO
import pylab as plt

def text(img, text, xy=(0, 0), color=(0, 0, 0), size=12):
    pil = Image.fromarray(img)
    s = platform.system()
    if s == "Linux":
        font =ImageFont.truetype('/usr/share/fonts/truetype/wqy/wqy-zenhei.ttc', size)
    elif s == "Darwin":
        font = ImageFont.truetype('....', size)
    else:
        font = ImageFont.truetype('simsun.ttc', size)
    ImageDraw.Draw(pil).text(xy, text, font=font, fill=color)
    return np.array(pil)

model=YOLO('yolov8x.pt')

img=cv2.imdecode(np.fromfile("street.jpg", dtype=np.uint8), cv2.IMREAD_UNCHANGED)
img=img[:,:,::-1].copy()#一定要 copy，否則無法畫框線
#results=model.predict("street.jpg")
results=model.predict(img)

print('物件種類 : ',results[0].boxes.cls)#cls : class
print('座標 : ',results[0].boxes.xyxy)
#print(results[0].names)#列出80種物件的索引及名稱
# for i in results[0].boxes.cls:
#     idx=int(i.cpu().numpy())
#     print(idx, results[0].names[idx])
names=[results[0].names[int(i.cpu().numpy())] for i in results[0].boxes.cls]
boxes=results[0].boxes.xyxy

for box, name in zip(boxes, names):
    box=box.cpu().numpy()
    print(name, box)
    x1 = int(box[0])
    y1 = int(box[1])
    x2 = int(box[2])
    y2 = int(box[3])
    img=cv2.rectangle(img, (x1, y1), (x2, y2), (0,255,0), 1)
    img=text(img, name, (x1, y1-20), color=(0,0,255), size=16)
plt.imshow(img)
plt.show()