计算机视觉yolov8模型应用-学习笔记

YOLOv8是由Ultralytics公司在‌2023年1月10日‌发布的一款深度学习模型。它是YOLOv5的重大更新版本，支持图像分类、物体检测和实例分割任务。这一版本在发布前就受到了广泛关注，并在发布后迅速成为目标检测领域的热门模型。‌

部署起来非常简单便捷！

一、下载Ultralytics项目

下载链接： https://github.com/ultralytics/ultralytics

二、快速部署

1、建议conda创建虚拟环境

bash 复制代码

conda create -n yolov8 -y python=3.12

2、激活虚拟环境

bash 复制代码

conda activate sparktts

3、安装ultralytics

bash 复制代码

pip install ultralytics

4、如果需要有模块缺失，依次使用pip安装

例如如果缺少torch，可以如下进行（不过默认安装的是cpu版本的）：

bash 复制代码

pip install pytorch

三、应用yolov8

3.1 命令行调用

bash 复制代码

yolo predict model=yolo8n.pt source='E:\自己摸索大模型\计算机视觉\yolov8\ultralytics-main\ultralytics\assets\bus.jpg'

注：第一次运行这个指令，会自动下载yolo8n.pt模型，可能时间有点慢。

其中source中是需要识别的图像地址,下载好的项目中，\ultralytics\assets\bus.jpg这个路径的图片是默认存在的。

当然，你也可以自行下载别的图片，然后识别别的图片，如图，我额外下载了不同的图片：a.jpg以及zidane.jpg。

示例图片以及相应效果如下：

示例图片如下：

识别命令行窗口（显示识别出来了4个人、一辆公交车、一个停止符号等，识别结果保存runs\detect\predict9这个路径）：

识别结果展示：

3.2 python调用

python文件：

python 复制代码

from ultralytics import YOLO

yolo = YOLO("./yolov8n.pt",task="detect")

result = yolo(source="E:/自己摸索大模型/计算机视觉/yolov8/ultralytics-main/ultralytics/assets/bus.jpg") #这是检测指定路径图片

# result = yolo(source="screen") #好玩，这是检测当前屏幕
# result = yolo(source=0) 好玩，打开摄像头
# 这个直接放视频文件，然后设置show=true，就可以实时看。
# result = yolo(source=0)

运行python文件（其中demo_zyj.py为上面的python文件名）：

Bash 复制代码

python .\demo_zyj.py

希望和广大网友一块学习，交流。遇到问题，敬请发在评论区进行讨论。