YOLO11 实例分割模型做行人分割

小白学视觉 · 公众号 · · 2025-02-12 18:34

正文

点击上方 “小白学视觉”，选择加"星标"或“置顶”

重磅干货，第一时间送达

本文教程将一起学习如何利用 YOLO11 分割模型在图像中准确隔离和识别人物。

YOLO11 实例分割模型在 Unsplash 图片上的结果

引言

实例分割是检测和隔离图像中单个对象的关键技术，YOLO11 是执行这项任务的最佳模型之一。在本文中，你将学习如何使用 YOLO11 分割模型有效地在图像中分割人物。我们将涵盖从设置 Python 环境和安装必要的库，到下载测试图像和可视化分割结果的所有内容。通过本教程的学习，你将清楚地了解如何应用 YOLO11 进行准确的人物分割。

1. 创建 Python 环境

我们首先将设置一个 Python 虚拟环境来管理依赖项。打开你的终端并运行：

python -m venv env

激活虚拟环境

然后我们需要激活我们的虚拟环境。根据你的机器，你可能需要使用不同的命令。这里我展示了在 Windows 和 Mac/Linux 上的两种方式。 Windows:

.\env\Scripts\activate

Mac/Linux:

source env/bin/activate

2. 安装 Ultralytics 库

在我们的虚拟环境激活后，我们需要安装 ultralytics 库，这将允许我们使用 YOLO11 实例分割模型。运行以下命令在你的环境中安装库：

pip install ultralytics

3. 下载测试图像

现在让我们从 Unsplash 下载一张测试图像，你可以使用你选择的任何图像。我为我们的测试目的选择了以下图像：

在 .py 文件中，添加以下代码来下载图像：

import cv2import urllib.request
url, filename = ("https://images.unsplash.com/photo-1484353371297-d8cfd2895020?w=600&auto=format&fit=crop&q=60&ixlib=rb-4.0.3&ixid=M3wxMjA3fDB8MHxzZWFyY2h8NTUwfHxwZW9wbGV8ZW58MHx8MHx8fDA%3D", "scene.jpg")urllib.request.urlretrieve(url, filename)    # Download the image
# Load the input image using OpenCVimage = cv2.imread(filename)

4. 加载模型并生成推理结果

下一步是加载我们的分割模型并在测试图像上运行推理。在本教程中，我们将使用 yolo11n-seg.pt 模型，但你可以使用 Ultralytics YOLO11 文档中的任何你喜欢的模型。一旦我们的模型加载完毕，我们使用 results = model(filename) 在测试图像上运行推理，然后创建一个空的分割掩码。

from ultralytics import YOLOimport numpy as np
# Load the modelmodel = YOLO("yolo11n-seg.pt")  # load an official YOLO model
# Predict with the modelresults = model(filename)  # predict on an image
# Create an empty mask for segmentationsegmentation_mask = np.zeros_like(image, dtype=np.uint8)

5. 可视化人物分割掩码

最后一步是可视化我们的模型生成的分割掩码。YOLO11 模型支持同时分割多个类别，如人物、自行车和汽车等。由于我们只对人物类别感兴趣，类别标签为 0，我们只可视化具有此类别的掩码。在下面的代码中，我们遍历结果并过滤人物掩码。然后我们将掩码叠加在图像上进行清晰的可视化，然后使用 matplotlib 保存并显示结果。

# Iterate over the resultsfor i, r in enumerate(results):    # Iterate through the detected masks    for j, mask in enumerate(r.masks.xy):        # Convert the class tensor to an integer        class_id = int(r.boxes.cls[j].item())  # Extract the class ID as an integer                # Check if the detected class corresponds to 'person' (class ID 0)        if class_id == 0:            # Convert mask coordinates to an integer format for drawing            mask = np.array(mask, dtype=np.int32)                        # Fill the segmentation mask with color            cv2.fillPoly(segmentation_mask, [mask], (0, 255, 0))
# Combine the original image with the segmentation masksegmentation_result = cv2.addWeighted(image, 1, segmentation_mask, 0.7, 0)
# Save the output image with segmentationcv2.imwrite("output_segmentation.jpg", segmentation_result)
# Optionally display the image (make sure you're running in a GUI environment)cv2.imshow("Segmentation Result", segmentation_result)cv2.waitKey(0)cv2.destroyAllWindows()

如果所有代码都运行良好，你应该得到与下面类似的输出。这显然会有所不同，如果你使用了不同的测试图像。

分割结果

完整代码：https://github.com/Brianhulela/yolo11_segmentation

下载1：OpenCV-Contrib扩展模块中文版教程
在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。

下载2：Python视觉实战项目52讲
在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。

YOLO11 实例分割模型做行人分割

正文

请到「今天看啥」查看全文