YOLO-World 零样本目标检测实战:文本类别提示与视频筛选
YOLO-World 零样本目标检测实战文本类别提示与视频筛选这篇教程根据我复现 YOLO-World 零样本目标检测流程时整理重点演示如何设置文本类别提示、跑通图片推理、再把同一套模型迁移到视频帧上做目标筛选。YOLO-World 的特点是不用重新训练就能通过文本类别完成目标检测。本文适合想快速验证开放词汇检测效果、并把它接到图片或视频流里的同学。本文会重点跑通以下流程安装 YOLO-World 依赖准备图片和视频示例设置文本类别提示并执行检测通过 NMS 和阈值过滤结果把同一套检测逻辑应用到视频帧并导出结果如果你正在系统学习目标检测、实例分割、OCR、多目标跟踪或视觉大模型建议收藏本文配套 notebook、示例图片和运行环境说明后续会继续整理。如果环境配置卡住可以在评论区说明具体报错。 文章目录YOLO-World 零样本目标检测实战文本类别提示与视频筛选⚙️ 环境准备️ 准备示例资源 加载 YOLO-World 模型️ 设置文本类别 图片目标检测️ 视频检测准备 视频过滤与导出 小结 同系列教程汇总⚙️ 环境准备先检查运行环境并安装依赖。建议优先使用带 NVIDIA GPU 的环境避免推理和训练阶段显存不足。!nvidia-smiimportos HOMEos.getcwd()print(HOME)!pip install-q inference-gpu[yolo-world]0.9.13!pip install-q supervision0.19.0rc3!pip install-q supervision0.19.0rc3importcv2importsupervisionassvfromtqdmimporttqdmfrominference.modelsimportYOLOWorld️ 准备示例资源这一段会准备图片和视频示例。实际复现时可以直接换成你自己从数据集后台下载的资源。# 请从数据集后台下载示例图片和视频并放到当前目录。# 文件名保持为 dog.jpeg 和 yellow-filling.mp4。SOURCE_IMAGE_PATHf{HOME}/dog.jpegSOURCE_VIDEO_PATHf{HOME}/yellow-filling.mp4 加载 YOLO-World 模型先把零样本模型跑通确认文本类别提示和推理接口都正常。modelYOLOWorld(model_idyolo_world/l)️ 设置文本类别YOLO-World 通过文本类别列表来定义要检测的目标。classes[person,backpack,dog,eye,nose,ear,tongue]model.set_classes(classes) 图片目标检测先在静态图片上验证类别提示和置信度过滤。imagecv2.imread(SOURCE_IMAGE_PATH)resultsmodel.infer(image)detectionssv.Detections.from_inference(results)BOUNDING_BOX_ANNOTATORsv.BoundingBoxAnnotator(thickness2)LABEL_ANNOTATORsv.LabelAnnotator(text_thickness2,text_scale1,text_colorsv.Color.BLACK)annotated_imageimage.copy()annotated_imageBOUNDING_BOX_ANNOTATOR.annotate(annotated_image,detections)annotated_imageLABEL_ANNOTATOR.annotate(annotated_image,detections)sv.plot_image(annotated_image,(10,10))imagecv2.imread(SOURCE_IMAGE_PATH)resultsmodel.infer(image,confidence0.003)detectionssv.Detections.from_inference(results)labels[f{classes[class_id]}{confidence:0.3f}forclass_id,confidenceinzip(detections.class_id,detections.confidence)]annotated_imageimage.copy()annotated_imageBOUNDING_BOX_ANNOTATOR.annotate(annotated_image,detections)annotated_imageLABEL_ANNOTATOR.annotate(annotated_image,detections,labelslabels)sv.plot_image(annotated_image,(10,10))imagecv2.imread(SOURCE_IMAGE_PATH)resultsmodel.infer(image,confidence0.003)detectionssv.Detections.from_inference(results).with_nms(threshold0.1)labels[f{classes[class_id]}{confidence:0.3f}forclass_id,confidenceinzip(detections.class_id,detections.confidence)]annotated_imageimage.copy()annotated_imageBOUNDING_BOX_ANNOTATOR.annotate(annotated_image,detections)annotated_imageLABEL_ANNOTATOR.annotate(annotated_image,detections,labelslabels)sv.plot_image(annotated_image,(10,10))️ 视频检测准备把同一套模型接到视频帧生成器上观察连续帧中的检测效果。generatorsv.get_video_frames_generator(SOURCE_VIDEO_PATH)framenext(generator)sv.plot_image(frame,(10,10))classes[yellow filling]model.set_classes(classes)resultsmodel.infer(frame,confidence0.002)detectionssv.Detections.from_inference(results).with_nms(threshold0.1)annotated_imageframe.copy()annotated_imageBOUNDING_BOX_ANNOTATOR.annotate(annotated_image,detections)annotated_imageLABEL_ANNOTATOR.annotate(annotated_image,detections)sv.plot_image(annotated_image,(10,10)) 视频过滤与导出最后对小目标或低置信度结果做过滤再把标注后的视频写出。video_infosv.VideoInfo.from_video_path(SOURCE_VIDEO_PATH)video_infowidth,heightvideo_info.resolution_wh frame_areawidth*height frame_arearesultsmodel.infer(frame,confidence0.002)detectionssv.Detections.from_inference(results).with_nms(threshold0.1)detections.area(detections.area/frame_area)0.10detectionsdetections[(detections.area/frame_area)0.10]annotated_imageframe.copy()annotated_imageBOUNDING_BOX_ANNOTATOR.annotate(annotated_image,detections)annotated_imageLABEL_ANNOTATOR.annotate(annotated_image,detections)sv.plot_image(annotated_image,(10,10))TARGET_VIDEO_PATHf{HOME}/yellow-filling-output.mp4frame_generatorsv.get_video_frames_generator(SOURCE_VIDEO_PATH)video_infosv.VideoInfo.from_video_path(SOURCE_VIDEO_PATH)width,heightvideo_info.resolution_wh frame_areawidth*height frame_areawithsv.VideoSink(target_pathTARGET_VIDEO_PATH,video_infovideo_info)assink:forframeintqdm(frame_generator,totalvideo_info.total_frames):resultsmodel.infer(frame,confidence0.002)detectionssv.Detections.from_inference(results).with_nms(threshold0.1)detectionsdetections[(detections.area/frame_area)0.10]annotated_frameframe.copy()annotated_frameBOUNDING_BOX_ANNOTATOR.annotate(annotated_frame,detections)annotated_frameLABEL_ANNOTATOR.annotate(annotated_frame,detections)sink.write_frame(annotated_frame) 小结YOLO-World 的复现重点不在训练而在文本类别、置信度阈值和视频过滤策略。实际项目里先用几张示例图验证类别提示再接入视频流会更稳。这一类 notebook 建议按“先环境、再数据、再单样例、最后批量推理”的顺序复现。遇到报错时优先检查 GPU、依赖版本、数据集目录和模型权重路径。后续我会继续按源项目顺序整理同系列中的目标检测、实例分割、OCR、多目标跟踪和视觉大模型教程。 同系列教程汇总Google Gemini 3.5 Flash 零样本目标检测教程从提示词到可视化结果GLM-OCR 文档识别实战教程从验证码、公式到车牌 OCRRF-DETR ByteTrack 多目标跟踪实战教程从命令行到 Python 视频轨迹可视化SAM 3 图像分割实战教程文本、框和点提示的多种分割方式YOLO-World 零样本目标检测实战文本类别提示与视频筛选-本文

相关新闻

你以为 AI 在思考,其实它只是在猜下一个词?真相没那么简单

你以为 AI 在思考,其实它只是在猜下一个词?真相没那么简单

“大模型不就是自动补全吗?”这句话既抓住了核心,又很容易把人带偏。它确实通过预测下一个词元来训练和生成,但“训练目标简单”不等于“最终能力简单”。就像钢琴只有有限的琴键,却能演奏完全不同的作品;理解 AI&…

2026/7/15 0:26:31阅读更多 →
【ABAP】转换例程解析:从定义到应用,一篇就够了

【ABAP】转换例程解析:从定义到应用,一篇就够了

目录 前言 一、什么是转换例程? 为什么需要转换例程? 二、例程在哪里定义? 如何找到它? 表级查询方式 三、如何发现代码中的转换例程? 四、如何在程序中强制使用/调用(应用)转换例程&am…

2026/7/15 0:26:31阅读更多 →
【限时解密】ChatGPT私域社群GMV提升217%的底层逻辑:基于27个真实社群的NLP情感分析报告

【限时解密】ChatGPT私域社群GMV提升217%的底层逻辑:基于27个真实社群的NLP情感分析报告

更多请点击: https://codechina.net 第一章:【限时解密】ChatGPT私域社群GMV提升217%的底层逻辑:基于27个真实社群的NLP情感分析报告 通过对27个垂直行业(教育、SaaS、跨境电商、知识付费等)的活跃ChatGPT私域社群进行…

2026/7/15 0:26:31阅读更多 →
Matlab实现的端到端车牌识别工具:CNN模型+测试图+详细运行指南

Matlab实现的端到端车牌识别工具:CNN模型+测试图+详细运行指南

本文还有配套的精品资源,点击获取 简介:一套开箱即用的Matlab车牌识别方案,基于卷积神经网络(CNN)完成从图像输入到车牌号码输出的完整流程。包含主运行脚本untitled.m、一张实测车牌图1.png、配套Word文档说明&…

2026/7/15 1:31:37阅读更多 →
Unity运行时编辑器(RUE)实战:原理、集成与性能调优指南

Unity运行时编辑器(RUE)实战:原理、集成与性能调优指南

1. 项目概述:当调试不再需要“暂停”如果你是一名Unity开发者,那么下面这个场景你一定不陌生:游戏在运行时,某个UI按钮的点击事件没触发,或者一个角色的移动速度参数看起来不对劲。你眉头一皱,暂停游戏&…

2026/7/15 1:31:37阅读更多 →
终极指南:5分钟免费解锁Microsoft 365完整功能,告别订阅费用烦恼

终极指南:5分钟免费解锁Microsoft 365完整功能,告别订阅费用烦恼

终极指南:5分钟免费解锁Microsoft 365完整功能,告别订阅费用烦恼 【免费下载链接】ohook An universal Office "activation" hook with main focus of enabling full functionality of subscription editions 项目地址: https://gitcode.com…

2026/7/15 1:31:37阅读更多 →
8万条KDD Cup流量数据上跑通的贝叶斯/KNN/神经网络入侵检测三模型(含可视化评估报告)

8万条KDD Cup流量数据上跑通的贝叶斯/KNN/神经网络入侵检测三模型(含可视化评估报告)

本文还有配套的精品资源,点击获取 简介:直接可用的Python入侵检测实战资源包,基于KDD Cup 1999数据集20%子集(约8万条真实网络流量记录)训练并固化三个主流模型:朴素贝叶斯、K近邻(KNN&#…

2026/7/15 1:31:37阅读更多 →
高校二手交易系统实战源码:Vue2+Spring Boot全栈实现,含完整部署文档与答辩材料

高校二手交易系统实战源码:Vue2+Spring Boot全栈实现,含完整部署文档与答辩材料

本文还有配套的精品资源,点击获取 简介:提供一套真实落地的高校二手交易平台源码,前端用Vue2搭配Element-UI构建清晰易用的响应式界面,支持商品发布、分类检索、即时沟通、订单跟踪和后台审核;后端基于Spring Boot开…

2026/7/15 1:31:36阅读更多 →
农作物病虫害图像识别实战包:含多模型训练代码、真实病害数据集与Flask+Docker部署方案

农作物病虫害图像识别实战包:含多模型训练代码、真实病害数据集与Flask+Docker部署方案

本文还有配套的精品资源,点击获取 简介:直接可用的农业图像识别工具包,用Python实现,兼容TensorFlow、PyTorch、Keras、Fastai等主流框架,支持DenseNet121、ResNet50、VGG16、VGG19等模型结构。内置完整训练流程Not…

2026/7/15 1:26:36阅读更多 →
VSCode TypeScript 环境配置对比:全局安装 vs 项目本地安装的4个关键差异

VSCode TypeScript 环境配置对比:全局安装 vs 项目本地安装的4个关键差异

VSCode TypeScript 环境配置对比:全局安装 vs 项目本地安装的4个关键差异当你在VSCode中启动一个新的TypeScript项目时,第一个技术决策往往从安装方式开始。这个看似简单的选择——全局安装还是项目本地安装——实际上会深刻影响你的开发流程、团队协作和…

2026/7/14 4:56:14阅读更多 →
智慧树刷课插件:5分钟实现自动化学习的智能助手

智慧树刷课插件:5分钟实现自动化学习的智能助手

智慧树刷课插件:5分钟实现自动化学习的智能助手 【免费下载链接】zhihuishu 智慧树刷课插件,自动播放下一集、1.5倍速度、无声 项目地址: https://gitcode.com/gh_mirrors/zh/zhihuishu 智慧树刷课插件是一款专为智慧树在线教育平台设计的Chrome浏…

2026/7/14 2:55:05阅读更多 →
Steam创意工坊下载器WorkshopDL:跨平台游戏模组获取的终极解决方案

Steam创意工坊下载器WorkshopDL:跨平台游戏模组获取的终极解决方案

Steam创意工坊下载器WorkshopDL:跨平台游戏模组获取的终极解决方案 【免费下载链接】WorkshopDL WorkshopDL - The Best Steam Workshop Downloader 项目地址: https://gitcode.com/gh_mirrors/wo/WorkshopDL 你是否在GOG或Epic Games Store购买了心仪的游戏…

2026/7/14 6:17:41阅读更多 →
AI框架决定企业AI能走多远

AI框架决定企业AI能走多远

企业AI建设的第一性原理 企业搞AI,最关键的决定是什么?不是选哪家大模型,不是先做哪个场景,不是招多少AI人才——而是选哪个AI开发框架。 为什么?因为框架决定了企业AI能力的"天花板"。选对了框架&#xff0…

2026/7/15 0:01:30阅读更多 →
Java企业为什么需要AI框架

Java企业为什么需要AI框架

Java企业在AI时代的尴尬处境 Java是全球企业级应用开发的主流语言——全球超过一半的企业系统跑在Java上。但在AI浪潮面前,很多Java企业感到尴尬:大模型的接口是各种语言的,AI开发社区以其他语言为主流,似乎Java在AI时代"掉队…

2026/7/15 0:01:30阅读更多 →
CC3230x嵌入式开发实战:SD主机、定时器与低功耗模式深度解析

CC3230x嵌入式开发实战:SD主机、定时器与低功耗模式深度解析

1. 项目概述:为什么需要关注CC3230x的SD主机、定时器与低功耗?在物联网和嵌入式设备开发领域,我们常常面临一个核心矛盾:设备需要具备强大的连接能力、可靠的数据存储和实时控制功能,同时又必须严格控制功耗以延长电池…

2026/7/15 0:01:30阅读更多 →
YOLOv8推理性能优化:从1.2FPS到35FPS的全链路加速实践

YOLOv8推理性能优化:从1.2FPS到35FPS的全链路加速实践

如果你在部署 YOLOv8 时,发现推理速度只有可怜的 1-2 FPS,而别人的演示视频却能跑到 30 FPS 以上,那么问题很可能不在模型本身,而在于你的整个处理链路。很多开发者拿到一个训练好的 YOLOv8 模型后,会直接使用官方示例…

2026/7/14 15:07:30阅读更多 →
Coze与Dify对比指南:低代码AI应用开发从入门到实战

Coze与Dify对比指南:低代码AI应用开发从入门到实战

1. 从零到一:为什么你需要了解 Coze 和 Dify?如果你对 AI 应用开发感兴趣,但一看到“大模型”、“智能体”、“工作流”这些词就头疼,觉得门槛太高,那这篇文章就是为你准备的。很多开发者,包括我自己&#…

2026/7/14 4:45:36阅读更多 →
AI生图工具怎么选?2026年6月版实测对比

AI生图工具怎么选?2026年6月版实测对比

做自媒体的朋友应该都有体会:配图一直是个让人头疼的问题。2026年,AI生图工具已经非常成熟了,但工具太多反而不知道怎么选。以下是截至2026年6月我对主流AI生图工具的实测对比。Midjourney V8.1:速度之王2026年6月11日&#xff0c…

2026/7/14 2:42:17阅读更多 →