Ultralytics YOLOv8目标检测中probs属性返回None的问题咨询

问题 #

使用Ultralytics YOLOv8进行图像目标检测时，尝试从results对象中获取分类输出的probs属性，返回值为None。代码如下：

from ultralytics import YOLO

# Load a model
model = YOLO('yolov8n.pt')  # pretrained YOLOv8n model

# Run batched inference on a list of images
results = model('00000.png')  # return a list of Results objects

# Process results list
for result in results:
    boxes = result.boxes  # Boxes object for bbox outputs
    masks = result.masks  # Masks object for segmentation masks outputs
    keypoints = result.keypoints  # Keypoints object for pose outputs
    probs = result.probs  # Probs object for classification outputs

print(probs)

运行后print(probs)输出None，其余输出内容：

image 1/1 00000.png: 640x640 1 person, 1 zebra, 7.8ms
Speed: 2.6ms preprocess, 7.8ms inference, 1.3ms postprocess per image at shape (1, 3, 640, 640)

请问：

1. 为何probs属性会返回None？
2. 如何获取每个检测对象的分类概率？
3. Ultralytics YOLOv8的此设计是否存在特定原因？

解答 #

1. 为什么probs返回None？ #

probs是YOLOv8分类任务模型的专属输出属性，而你加载的yolov8n.pt是目标检测任务模型。两类模型的输出逻辑完全不同：

• 分类模型输出整幅图像属于各个类别的概率分布，对应probs属性；
• 检测模型的核心输出是检测框及其对应类别的置信度，这些信息存储在result.boxes中，不会生成probs属性，因此访问时返回None。

2. 获取每个检测对象的分类概率（置信度） #

在目标检测任务中，每个检测对象的类别置信度和类别信息都包含在result.boxes对象中，可以通过以下方式获取：

• boxes.conf：每个检测框的置信度值（模型对该检测结果的信任程度，范围0-1）；
• boxes.cls：每个检测框对应的类别索引；
• model.names：模型的类别名称映射表，可通过索引获取类别名称。

示例代码：

from ultralytics import YOLO

model = YOLO('yolov8n.pt')
results = model('00000.png')

for result in results:
    # 遍历所有检测框
    for box in result.boxes:
        # 获取置信度，保留两位小数
        conf = round(float(box.conf), 2)
        # 获取类别索引，转为整数
        cls_idx = int(box.cls)
        # 获取类别名称
        cls_name = model.names[cls_idx]
        print(f"检测对象：{cls_name}，置信度：{conf}")

3. 该设计的原因 #

YOLOv8采用模块化设计，针对不同任务（检测、分类、分割、姿态估计）的输出结构做了差异化处理：

• 不同任务的核心输出需求不同：检测任务关注"哪里有什么"，输出检测框+对应类别置信度；分类任务关注"整体是什么"，输出全类别概率分布。
• 分开存储不同任务的输出属性，能避免结果结构混乱，让开发者可以快速定位到对应任务的输出数据，提升代码可读性和开发效率。

内容的提问来源于stack exchange，提问作者hanugm