【PYTHON-YOLOV8N】关于YOLO的推理训练图片的尺寸

【PYTHON-YOLOV8N】关于YOLO的推理训练图片的尺寸

• • • 一、核心默认尺寸（YOLOv8/YOLOv5/YOLOv7通用）
    • 二、尺寸规则（必须遵守）
    • 三、不通模型不同尺寸的适用场景
    • 四、关键注意事项
    • 五、总结

YOLO（尤其是Ultralytics YOLOv8）对输入图片的尺寸没有严格固定值，但有核心的「默认尺寸」「最佳实践」和「尺寸规则」，以下是详细说明：

一、核心默认尺寸（YOLOv8/YOLOv5/YOLOv7通用）

YOLO系列的默认输入尺寸为 640×640像素（正方形），这是Ultralytics官方推荐的基础尺寸，对应代码/命令中的参数：

• 推理时：model.predict(source='img.jpg', imgsz=640)
• 训练时：model.train(data='coco.yaml', imgsz=640)

二、尺寸规则（必须遵守）

1. 尺寸需是32的整数倍

   YOLO的网络结构包含多次32倍下采样（如640→320→160→80→40→20→10），输入尺寸必须能被32整除，否则会导致特征图尺寸不匹配，报错或精度下降。

   ✅ 合法尺寸：320、416、640、800、960、1280（常用）

   ❌ 非法尺寸：600、700、801（无法被32整除）

2. 支持非正方形尺寸（YOLOv8+）

   YOLOv8及后续版本支持「矩形推理/训练」（非正方形），只需保证宽高均为32的整数倍即可，例如：

   • 480×640（适配手机竖屏图）
   • 800×1280（适配宽屏图）
     命令示例：model.predict(imgsz=[480, 640])（[高, 宽]）

三、不通模型不同尺寸的适用场景

|

模型类型	具体型号	核心特性	适用图片大小（imgsz）	适用场景	速度/精度特点（CPU/单卡GPU）	参数量(M)	FLOPs(G)
基础检测模型	YOLOv8n (nano)	极致轻量化，网络深度/宽度最小，推理最快	320×320、416×416（推荐）；≤640×640	移动端/嵌入式设备（如树莓派、手机）、实时性优先的低算力场景（如摄像头实时检测）	GPU：~300 FPS，CPU：~20 FPS；精度最低（mAP50≈65）	3.2	8.7
	YOLOv8s (small)	平衡轻量化与精度，基础版中性价比最高	416×416、640×640（推荐）；≤800×800	通用场景（如安防监控、普通目标检测）、边缘设备（如工业相机）	GPU：~200 FPS，CPU：~15 FPS；精度中等（mAP50≈72）	11.2	28.6
	YOLOv8m (medium)	中等规模，深度/宽度提升，精度显著提高	640×640（推荐）、800×800；≤960×960	中等算力设备（如中端GPU）、精度要求较高的场景（如电商商品检测、交通标识识别）	GPU：~100 FPS，CPU：~8 FPS；精度较高（mAP50≈76）	25.9	78.9
	YOLOv8l (large)	大规模模型，特征提取能力强	800×800、960×960（推荐）；≤1280×1280	高算力设备（如RTX 30/40系列GPU）、高精度需求（如工业缺陷检测、医疗影像初筛）	GPU：~50 FPS，CPU：~4 FPS；精度很高（mAP50≈78）	43.7	165.2
	YOLOv8x (extra large)	超大模型，精度天花板，参数量最大	960×960、1280×1280（推荐）；≤1536×1536	服务器级GPU、精度优先无实时性要求的场景（如静态图片分析、数据集标注辅助）	GPU：~30 FPS，CPU：~2 FPS；精度最高（mAP50≈79）	68.2	257.8
轻量化变体	YOLOv8n-p2	小感受野，适配小尺寸图片（如48×48、96×96）	48×48、96×96（推荐）；≤320×320	小目标检测（如人脸关键点、细小零件检测）、移动端小尺寸图片推理	速度比YOLOv8n快10%，精度针对小目标提升5%	2.8	7.5
	YOLOv8s-p6	多尺度特征融合，适配超大尺寸图片（如1280×1280）	1280×1280（推荐）、1536×1536；≤2048×2048	远距离目标检测（如无人机航拍、安防远距离监控）	速度比YOLOv8s慢15%，大目标精度提升8%	12.5	35.2
实例分割模型	YOLOv8n-seg	轻量化分割，检测+分割二合一	320×320、416×416（推荐）；≤640×640	移动端分割场景（如简单场景抠图、实时语义分割）	GPU：~250 FPS，CPU：~15 FPS；分割精度基础级	3.4	10.1
	YOLOv8s-seg	平衡分割精度与速度	416×416、640×640（推荐）；≤800×800	通用分割场景（如路面分割、商品轮廓提取）	GPU：~180 FPS，CPU：~12 FPS；分割精度中等	11.8	31.4
	YOLOv8m-seg	中等分割精度	640×640（推荐）、800×800；≤960×960	工业分割（如零件轮廓检测、缺陷区域分割）	GPU：~80 FPS，CPU：~6 FPS；分割精度较高	27.2	85.3
	YOLOv8l-seg	高精度分割	800×800、960×960（推荐）；≤1280×1280	医疗影像分割（如器官轮廓）、高精度工业质检	GPU：~40 FPS，CPU：~3 FPS；分割精度很高	45.8	176.5
	YOLOv8x-seg	分割精度天花板	960×960、1280×1280（推荐）；≤1536×1536	科研级分割任务、复杂场景分割（如遥感影像分割）	GPU：~25 FPS，CPU：~1 FPS；分割精度最高	70.8	275.6
姿态估计模型	YOLOv8n-pose	轻量化姿态估计，检测人体关键点	320×320、480×480（推荐）；≤640×640	移动端人体姿态识别（如健身动作检测、简单行为分析）	GPU：~280 FPS，CPU：~18 FPS；关键点检测精度基础级	3.3	9.2
	YOLOv8s-pose	平衡姿态精度与速度	480×480、640×640（推荐）；≤800×800	通用姿态检测（如监控人体行为、舞蹈动作分析）	GPU：~190 FPS，CPU：~14 FPS；关键点检测精度中等	11.5	30.1
	YOLOv8m-pose	中等姿态精度	640×640（推荐）、800×800；≤960×960	工业姿态检测（如工人操作规范识别）	GPU：~90 FPS，CPU：~7 FPS；关键点检测精度较高	26.5	82.4
	YOLOv8l-pose	高精度姿态估计	800×800、960×960（推荐）；≤1280×1280	医疗姿态分析（如康复动作检测）、高精度行为识别	GPU：~45 FPS，CPU：~3 FPS；关键点检测精度很高	44.9	172.1
	YOLOv8x-pose	姿态估计精度天花板	960×960、1280×1280（推荐）；≤1536×1536	科研级姿态分析、复杂行为识别（如体育动作拆解）	GPU：~28 FPS，CPU：~2 FPS；关键点检测精度最高	69.5	268.9
分类模型	YOLOv8n-cls	轻量化图像分类	224×224、320×320（推荐）；≤416×416	移动端图片分类（如相册分类、简单物品识别）	GPU：~350 FPS，CPU：~25 FPS；分类精度基础级	2.7	6.4
	YOLOv8s-cls	平衡分类精度与速度	224×224、416×416（推荐）；≤640×640	通用分类场景（如商品分类、场景识别）	GPU：~220 FPS，CPU：~18 FPS；分类精度中等	9.8	21.5
	YOLOv8m-cls	中等分类精度	224×224、640×640（推荐）；≤800×800	工业分类（如产品外观分类、物料识别）	GPU：~110 FPS，CPU：~9 FPS；分类精度较高	22.9	60.3
	YOLOv8l-cls	高精度分类	224×224、800×800（推荐）；≤960×960	医疗图像分类（如病灶分类）、复杂场景分类	GPU：~55 FPS，CPU：~5 FPS；分类精度很高	37.4	128.8
	YOLOv8x-cls	分类精度天花板	224×224、960×960（推荐）；≤1280×1280	科研级分类任务、大规模数据集分类	GPU：~35 FPS，CPU：~3 FPS；分类精度最高	56.8	207.5

四、关键注意事项

1. 训练与推理尺寸需一致

   若训练时用imgsz=800，推理时也必须用800（或同比例的32倍数），否则会导致检测精度大幅下降。

2. 自动缩放与填充

   YOLO会自动将输入图片缩放到指定imgsz，并对不足的区域填充黑边（letterbox），无需手动裁剪/缩放图片：

   • 例：输入一张1920×1080的图片，指定imgsz=640，会先按比例缩放到640×360，再在上下填充140像素黑边，最终得到640×640。

3. 自定义尺寸的设置方法

   • 命令行：yolo detect predict imgsz=800 source='img.jpg'

   • Python代码：

     from ultralytics import YOLO
     model = YOLO('yolov8n.pt')
     # 正方形尺寸
     results = model.predict('img.jpg', imgsz=800)
     # 非正方形尺寸（高×宽）
     results = model.predict('img.jpg', imgsz=[480, 640])

4. 小目标检测的特殊优化

   若检测小目标，除了增大尺寸（如800/960），还可配合imgsz+hyp（超参数）调整，或使用YOLOv8的-s小模型（如yolov8s.pt）+大尺寸。

五、总结

• 新手/通用场景：直接用默认640×640；
• 低算力设备（如树莓派、手机）：320×320或416×416；
• 小目标/高精度需求：800×800或960×960；
• 所有尺寸必须是32的整数倍，训练和推理尺寸保持一致。
• 分类模型默认适配224×224（经典分类网络输入尺寸），也支持更大尺寸；