请求添加YoloV8动物姿态关键点检测的图片上传与结果展示代码

直接用以下完整代码在Colab中实现需求，包含上传、推理、带关键点标注的结果展示全流程：

1. 安装依赖 #

!pip install ultralytics

2. 导入核心库 #

from ultralytics import YOLO
import cv2
from google.colab import files
import matplotlib.pyplot as plt

3. 加载预训练模型 #

# 加载官方Yolov8姿态预训练模型，若有自定义动物姿态模型，替换为你的模型路径
model = YOLO('yolov8n-pose.pt')

4. 上传图片并处理显示 #

# 触发Colab文件上传控件
uploaded = files.upload()

# 批量处理所有上传的图片
for filename in uploaded.keys():
    # 读取图片
    img = cv2.imread(filename)
    # 模型推理
    results = model(img)
    
    # 生成带关键点标注的结果图
    annotated_img = results[0].plot()
    # 转换颜色通道适配Matplotlib显示
    annotated_img_rgb = cv2.cvtColor(annotated_img, cv2.COLOR_BGR2RGB)
    
    # 可视化结果
    plt.figure(figsize=(12, 8))
    plt.imshow(annotated_img_rgb)
    plt.axis('off')
    plt.title(f"标注结果: {filename}")
    plt.show()

关键说明 #

• results[0].plot()是Yolov8内置方法，会自动把检测到的动物姿态关键点、边界框绘制在原图上，无需手动处理关键点坐标
• 颜色空间转换是因为OpenCV默认用BGR通道，而Matplotlib用RGB，不转换会导致图片颜色失真
• 如果使用自定义训练的动物姿态模型，只需把YOLO('yolov8n-pose.pt')替换为你的模型文件路径即可

内容的提问来源于stack exchange，提问作者Roki Fauzi