YOLOv8控制台输出来源及自定义输出需求咨询

一、控制台输出的来源 #

YOLOv8默认的检测结果、耗时输出，根本不在model.py里，而是藏在这几个核心模块中：

• 实时预测的核心逻辑在ultralytics/yolo/utils/predictor.py的Predictor类里，它的run()方法会触发on_predict_batch_end()等回调函数，这些回调会处理并打印每帧的检测统计、处理耗时。
• 如果你在代码里直接打印results对象，会触发ultralytics/yolo/engine/results.py中Results类的__str__内置方法，这个方法会输出检测到的目标数量、每个框的坐标和类别信息。
• 检测任务专属的预测脚本ultralytics/yolo/v8/detect/predict.py，也会调用基础预测模块的输出逻辑，把结果输出到控制台。

二、自定义输出逻辑实现 #

最省心的方式是在自己的调用代码里接管输出，不用修改YOLOv8源码，直接用下面的方案：

自定义输出代码示例 #

from ultralytics import YOLO
import cv2

# 加载YOLOv8模型
model = YOLO('yolov8n.pt')
# 打开默认摄像头（0对应系统默认摄像头）
cap = cv2.VideoCapture(0)

while cap.isOpened():
    ret, frame = cap.read()
    if not ret:
        break
    
    # 执行检测，verbose=False关闭YOLO默认输出
    results = model(frame, verbose=False)
    
    # 自定义输出逻辑
    det_boxes = results[0].boxes
    if len(det_boxes) == 0:
        print("no detect")
    else:
        # 获取模型的类别名称映射表
        cls_names = results[0].names
        # 遍历每个检测到的目标
        for box in det_boxes:
            cls_id = int(box.cls[0])
            print(f"detect: {cls_names[cls_id]}")
    
    # 显示标注后的检测画面（可选，不需要可以删掉）
    cv2.imshow("YOLOv8 Detection", results[0].plot())
    # 按Q键退出检测
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 释放资源
cap.release()
cv2.destroyAllWindows()

关键说明 #

• verbose=False：直接关闭YOLOv8自带的控制台输出，避免和自定义输出冲突。
• results[0].boxes：存储当前帧的所有检测框，长度为0表示无目标检测到。
• results[0].names：模型预定义的类别名称字典，通过检测框的cls[0]（类别ID）可以拿到对应的目标名称。

内容的提问来源于stack exchange，提问作者Teddy Porfiris