YOLO Computer Vision

🚀 YOLO 服務使用指南

本指南詳細介紹瞭如何安裝、配置和使用 YOLO 模型進行圖像分析，涵蓋從基礎操作到高級功能的完整流程，助您高效利用 YOLO 模型開展圖像相關工作。

🚀 快速開始

本指南將引導您完成 YOLO 模型的安裝、配置和使用，讓您能夠快速上手進行圖像分析。

📦 安裝指南

1. 環境搭建

在開始之前，請確保已安裝 Python3 及以下依賴項：

pip install -r requirements.txt

2. 模型下載

將 YOLO 預訓練模型下載到models/目錄下。支持的模型包括但不限於：

• yolov8n.pt
• yolov8s.pt
• yolov8m.pt
• yolov8l.pt

✨ 主要特性

• 自動硬件適配：服務將自動檢測並使用可用硬件（CPU 或 GPU）進行推理。
• 豐富功能支持：涵蓋圖像分析基礎操作、物體檢測、綜合圖像分析、圖像分割和圖像分類等功能。

💻 使用示例

基礎用法

檢查服務狀態

<function_calls>
<invoke name="test_connection">
</invoke>

列出支持的模型目錄

<function_calls>
<invoke name="get_model_directories">
</invoke>

使用默認模型進行檢測

<function_calls>
<invoke name="analyze_image_from_path">
<parameter name="image_path">/path/to/your/image.jpg</parameter>
<parameter name="confidence">0.3</parameter>
</invoke>

高級用法

指定特定模型進行檢測

<function_calls>
<invoke name="analyze_image_from_path">
<parameter name="image_path">/path/to/your/image.jpg</parameter>
<parameter name="model_name">yolov8n.pt</parameter>
<parameter name="confidence">0.4</parameter>
</invoke>

綜合圖像分析

<function_calls>
<invoke name="comprehensive_image_analysis">
<parameter name="image_path">/path/to/your/image.jpg</parameter>
<parameter name="confidence">0.3</parameter>
</invoke>

圖像分割

<function_calls>
<invoke name="segment_objects">
<parameter name="image_data">/path/to/your/image.jpg</parameter>
<parameter name="is_path">true</parameter>
<parameter name="model_name">yolov8n-seg.pt</parameter>
</invoke>

圖像分類

<function_calls>
<invoke name="classify_image">
<parameter name="image_data">/path/to/your/image.jpg</parameter>
<parameter name="is_path">true</parameter>
<parameter name="model_name">yolov8n-cls.pt</parameter>
<parameter name="top_k">5</parameter>
</invoke>

🔧 技術細節

設備支持

服務將自動檢測並使用可用硬件（CPU 或 GPU）進行推理，以提高處理效率。

故障排除

模型加載失敗

• 確保模型文件存在且路徑正確。
• 檢查 Python 環境是否滿足最低版本要求。

性能問題

• 建議使用更高性能的硬件（如 NVIDIA GPU）。
• 調整模型大小（從n到l）以匹配計算資源。

📚 詳細文檔

注意事項

⚠️ 重要提示

1. 所有圖像路徑均需為絕對路徑。
2. 參數值範圍請參考具體文檔說明。
3. 保持服務端口暢通，避免防火牆攔截。

通過以上步驟，您可以順利完成 YOLO 模型的部署與使用。如需進一步幫助，請參閱完整文檔或聯繫技術支持團隊。