知識地圖 – 使用 LabelImg 進行物件標注 用 python 寫一個推論程式 撰寫 opencv_pic.py。 載入已經訓練好的 YOLO 模型。 設定模型路徑與設定檔案。 設定類別名稱檔案。 讀取辨識的影像。 依序按照框格大小移動，由模型預測 各類別的機率值。 大於門檻值區域繪製辨識結果       3.  範例程式碼下載連結。 用 OpenCV 的程式架構執行 開始執行 OpenCV 預測 把前面的程式碼儲存成 opencv_pic.py。 程式可以使用下面的指令執行。                   a)  python3 opencv_pic_yolo.py "圖片路徑"                   b)  如Python3 opencv_pic_yolo.py image.jpg Yolov3 的權重和參數檔的路徑寫在程式碼的第 9 行，可以依據自己的檔案路徑更改模型，就可以每次換成用不同的模型預測跟分類同一張圖片，可自行練習將這幾個參數換成用外部參數傳入。 推論結果 門檻值設定為 0.1 門檻值設定為 0.45 可以自己多試幾次不同的門檻值，觀察輸出結果 推論結果，程式如果有執行失敗