十分钟带你复现YOLOv8

YOLO 是 Joseph Redmon 等人于 2015 年提出的基于单个神经网络的目标检测算法。YOLO 的全称是 You Only Look Once，正是其自身特点的高度概括。

YOLOv8 是 Ultralytics 在 2023 年初推出的一个重大更新版本，建立在以前 YOLO 版本成功的基础上，基于深度学习和计算机视觉的前沿进展，采用最先进的 SOTA 模型，引入了新的功能和改进，进一步提升了目标检测的性能和灵活性，提供了无与伦比的速度和准确性。

YOLOv8 的精简设计使其适用于各种应用，并且可以轻松适应不同的硬件平台，从边缘设备到云 API，使其成为各种物体检测与跟踪、实例分割、图像分类和姿态估计任务的绝佳选择。

YOLOv8 共有 5 个不同大小的预训练模型，由小到大分别是 n、s、m、l 和 x，模型越大其检测效果越好，但模型越大参数量越大、运行速度越慢，训练时需要消耗的资源也越多。

复现环境

• 操作系统：Windows11
• 软件工具：PyCharm2023 + Anaconda3

参考来源

• 官方文档：docs.ultralytics.com/
• 开源仓库：github.com/ultralytics...
• 预训练权重：github.com/ultralytics...

前期准备

• 从开源仓库下载源码：

• 下载最小模型的预训练权重文件：

• 将权重文件直接放在 ultralytics 仓库下即可：

配置环境

• 打开 Anaconda Prompt，创建一个新环境，官方要求 Python 版本要大于 3.8：

conda create -n env_yolov8 python==3.9

• 提示要下载一些包，输入 y 继续：

• 等待包下载完毕，环境创建完成：

• 激活新创建的环境：

conda activate env_yolov8

• 输入 nvidia-smi 查看 GPU 支持的最高 CUDA 版本：

• 下载 Pytorch，打开官网：pytorch.org/
• CUDA 版本选择 12.1，复制下载命令：

• 粘贴到 Anaconda Prompt 运行下载命令：

• 等待下载完成，下载时间略长：

• 用 PyCharm 打开 YOLOv8 源码：

• 点击右下角 Python 解释器-->添加新的解释器-->添加本地解释器：

• 切换到我们新创建的环境：

• 打开 Pycharm 终端：

• 输入命令下载 ultralytics 包：

  pip install ultralytics

• 如果下载速度较慢，可换用清华源下载：

pip install ultralytics -i https://pypi.tuna.tsinghua.edu.cn/simple/

• 等待下载完成：

复现功能

• 复现目标检测功能，直接在终端运行命令：

yolo predict model=yolov8n.pt source=./ultralytics/assets/bus.jpg

• 运行结果在 run 文件夹 detect 里：

• 复现实例分割功能，直接在终端运行命令：

yolo predict model=yolov8n-seg.pt source=./ultralytics/assets/bus.jpg

• 运行结果在 run 文件夹 segment 里：

• 复现姿态检测功能，直接在终端运行命令：

yolo predict model=yolov8n-pose.pt source=./ultralytics/assets/bus.jpg

• 运行结果在 run 文件夹 pose 里：

模型训练

• 未完待续......

更多内容

• CSDN博客：@Hello阿尔法
• 哔哩哔哩：@Hello阿尔法
• 知乎：@Hello阿尔法