通過使用 YOLOv8 目標檢測和偵察無人機拍攝的航空圖像來利用地理空間情報（GEOINT）統計敵方飛機，從而規劃軍事行動。sBc28資訊網——每日最新資訊28at.com

sBc28資訊網——每日最新資訊28at.com

model = YOLO('yolov8sair.pt')results = model.predict('Aerial_AirBase.jpg')annotated_frame = results[0].plot()cv2_imshow(annotated_frame)

這里我們基于訓練好的模型創建 YOLO 對象。然后，我們嘗試預測并找到 Aerial_AirBase.jpg 圖像中的任何物體，最后顯示結果中的第0個標注框。sBc28資訊網——每日最新資訊28at.com

sBc28資訊網——每日最新資訊28at.com

使用 yolov8sair 模型進行目標檢測sBc28資訊網——每日最新資訊28at.com

如上圖所示，檢測到三架飛機，概率均約為 84%，表明高度的置信度。在這種情況下，您可以通過自動統計 results[] 數組中的物體列表來輕松統計它們。置信度和概率水平可能會因天氣條件而異。然而，盡管存在如天氣陰云等顯著缺點，這種偵察方法在規劃軍事行動和支持戰斗行動中仍具有重要意義。sBc28資訊網——每日最新資訊28at.com

正如您所見，其易用性只需幾行代碼即可使其在各種應用中得以使用，包括小型飛行控制器的自主無人機。想象一下，通過結合這種目標檢測機制，您可以構建的智能應用程序。想象一下，配備自動駕駛儀、目標檢測和跟蹤能力的作戰無人機，直到摧毀目標。讓您的想象力引導您。sBc28資訊網——每日最新資訊28at.com

另一個您可以用于軍事解決方案的好例子：sBc28資訊網——每日最新資訊28at.com

model = YOLO('yolov8sair.pt')# Object Detection in Video-streamcap = cv2.VideoCapture(f"airport_video_source.mp4")img_array = []while cap.isOpened():    success, frame = cap.read()    if success:        results = model(frame)        annotated_frame = results[0].plot()        img_array.append(annotated_frame)    else:        breakcap.release()# Saving to output video filesize = img_array[0].shape[1], img_array[0].shape[0]  # (384, 640)writer = cv2.VideoWriter(f"airport_video_output.mp4", cv2.VideoWriter_fourcc(*"mp4v"), 25, size)for frame in img_array:    img_n = cv2.resize(frame, size)    writer.write(img_n)writer.release()

這涉及從視頻流中進行目標檢測，在我們的例子中從 airport_video_source.mp4 文件中提取。然后，它將視頻分成幀，檢測每幀上的飛機，并將它們編譯到 airport_video_output.mp4 文件中。sBc28資訊網——每日最新資訊28at.com

您可以從 Google Compute Engine 的工作目錄中下載此文件。我相信您已經熟悉這個過程。sBc28資訊網——每日最新資訊28at.com

sBc28資訊網——每日最新資訊28at.com

視頻流中的目標檢測sBc28資訊網——每日最新資訊28at.com

本文鏈接：http://www.tebozhan.com/showinfo-26-102911-0.html基于 YOLOv8 的目標檢測實例應用

聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com

上一篇： 面試官：@Transactional 與 @Async 可以同時使用嗎

下一篇： 設計支持千萬級別的短鏈服務