YOLOv8预测：移除检测边框但保留标签与置信度的实现难题

问题核心 #

使用Ultralytics 8.0.132版本的YOLOv8分割模型时，设置boxes=False移除检测框后，保存的图像会丢失类别标签和置信度；尝试添加labels=True、probs=True或show_boxes=False等参数均报错，无法实现「显示分割掩码+标签+置信度+无检测框」的需求。

原因分析 #

在该版本中，boxes=False会同时关闭检测框和标签/置信度的渲染逻辑——默认标签是依附于检测框绘制的。而show_labels、show_boxes这类参数是后续版本才新增的，8.0.132并不支持，直接使用会触发参数不存在的报错。

可行解决方案 #

方案1：自定义后处理绘图（推荐） #

绕过模型内置的save逻辑，手动获取预测结果并绘制掩码、标签和置信度，完全可控。

示例代码：

from ultralytics import YOLO
import cv2
import numpy as np

# 加载模型
model_path = "{pathToModel}/best.pt"
model = YOLO(model_path)

# 执行预测，不启用自动保存
result = model.predict("{pathToImage}.png", conf=0.3, save=False)
single_result = result[0]  # 单张图像的预测结果

# 获取原始图像（OpenCV格式为BGR）
original_img = single_result.orig_img.copy()
class_names = model.names  # 获取类别名称映射

# 遍历每个预测结果（掩码+类别+置信度）
for mask, cls_idx, conf in zip(single_result.masks.data, single_result.boxes.cls, single_result.boxes.conf):
    # 处理掩码：转numpy格式+缩放到图像尺寸
    mask_np = mask.cpu().numpy().astype(np.uint8)
    mask_np = cv2.resize(mask_np, (original_img.shape[1], original_img.shape[0]))
    
    # 生成类别对应颜色（可自定义固定颜色）
    color = np.random.randint(0, 255, size=3).tolist()
    # 半透明叠加掩码到图像
    original_img[mask_np == 1] = original_img[mask_np == 1] * 0.5 + np.array(color) * 0.5
    
    # 计算标签绘制位置（基于掩码的边界框左上角）
    x, y, w, h = cv2.boundingRect(mask_np)
    label_text = f"{class_names[int(cls_idx)]}: {conf:.2f}"
    # 绘制标签文本
    cv2.putText(original_img, label_text, (x, y-10), 
                cv2.FONT_HERSHEY_SIMPLEX, 0.5, color, 2)

# 保存最终图像
cv2.imwrite("mask_with_labels.png", original_img)

方案2：修改库内置绘图逻辑（不推荐） #

如果必须使用模型的save参数，可以找到Ultralytics库中的plots.py文件，修改draw_predictions或draw_mask函数的逻辑：当boxes=False时，仍保留标签和置信度的绘制步骤。但该方法会受版本更新影响，升级库后需要重新修改。

补充说明 #

如果后续升级Ultralytics到8.1+版本，可以尝试使用show_boxes=False+show_labels=True+show_conf=True的组合参数，新版本已经拆分了这些控制项，无需自定义绘图。

内容的提问来源于stack exchange，提问作者41 72 6c