yolo初探

yolo介绍

YOLO（You Only Look Once）是单阶段实时目标检测的里程碑框架，核心特点是 "一次遍历图像就完成检测"，区别于 Faster R-CNN 等两阶段模型，兼顾速度与精度，是工业界实时检测的首选方案。

yolo主要解决有问题有：目标定位，分类，姿态估计，旋转目标定位（obb），目标分割。当前yolo的主流框架是yolov8，它由 Ultralytics 公司维护（https://github.com/ultralytics/ultralytics/），目前最新的有yolov26。

它有预训练的模型，我们可以直接使用，我们也可以根据我们实际的需要自训练模型。预训练模型有5个级别，分别为n（ Nano ），s（Small)，m(Medium)，l(large)，x( X-Large ),从n到x，处理速度越来越慢，准确率越来越高，需要根据实际情况选择模型，下面以目标定位任务为例，来看对比这几种预训练模型。

yolov8的预训练模型，obb对象检测支持15种类别，其它支持80种类别（COCO数据集训练），可以通过 ultralytics/cfg/datasets/coco.yaml路径查看：

ultralytics/cfg/datasets/dota.yaml

也可通过如下代码，打印出各模型支持的类别

from ultralytics import YOLO

# 加载YOLOv8检测模型（自动下载预训练权重）
model = YOLO("yolov8n.pt")

# 打印COCO 80类名称（按ID排序）
print("YOLOv8检测模型支持的80类目标：")
for cls_id, cls_name in model.names.items():
    print(f"{cls_id}: {cls_name}")

# 若查看OBB模型的DOTA类别（需加载obb模型）
model_obb = YOLO("yolov8n-obb.pt")
print("\nYOLOv8 OBB模型支持的DOTA类别：")
for cls_id, cls_name in model_obb.names.items():
    print(f"{cls_id}: {cls_name}")

yolo推理

下面以yolov8为例，初步看下yolo处理实际推理问题的效果。(假设环境已经搭建好)，运行也很简单，一句命令即可。

目标定位

yolo predict model=yolov8n.pt source='bus.jpg' save=True

目标分割

yolo predict model=yolov8n-seg.pt source='bus.jpg' save=True

姿态估计

yolo predict model=yolov8n-pose.pt source=test.mp4 save=True

分类

这里用yolv8s-cls.pt模型，分类的结果只输出类别，无位置信息。

yolo predict model=yolov8s-cls.pt source=test.mp4 save=True

旋转目标定位

yolo predict model=yolov8n-obb.pt source=tennis_court.jpg save=True conf=0.4

输出显示的边框不太明显，我们这里用OpenCV画出边框，代码如下：

from ultralytics import YOLO
import cv2
import numpy as np

# 1. 加载模型+检测
model = YOLO("yolov8n-obb.pt")
results = model.predict(source="test.jpg", conf=0.1)

# 2. 初始化参数（红色+BGR格式，框线粗细3）
RED = (0, 0, 255)
THICKNESS = 3
FONT = cv2.FONT_HERSHEY_SIMPLEX
FONT_SCALE = 0.6

# 3. 获取原始图片（避免修改原图）
img = results[0].orig_img.copy()

# 4. 遍历所有旋转框，手动画红色框
for obb in results[0].obb:
    # 获取4个顶点坐标（转为整数，适配OpenCV）
    pts = obb.xyxyxyxy.cpu().numpy().astype(np.int32).reshape((-1, 1, 2))
    
    # 画红色旋转框（闭合多边形）
    cv2.polylines(img, [pts], isClosed=True, color=RED, thickness=THICKNESS)
    
    # 可选：画类别+置信度标签（红色背景+白色文字）
    cls = int(obb.cls)
    conf = float(obb.conf)
    label = f"{model.names[cls]} {conf:.2f}"
    
    # 标签位置（旋转框左上角）
    label_pos = (pts[0][0][0], pts[0][0][1] - 10)
    # 绘制标签背景
    (w, h), _ = cv2.getTextSize(label, FONT, FONT_SCALE, 2)
    cv2.rectangle(img, 
                  (label_pos[0], label_pos[1] - h - 5),
                  (label_pos[0] + w, label_pos[1]),
                  RED, -1)  # -1=填充背景
    # 绘制白色文字
    cv2.putText(img, label, label_pos, FONT, FONT_SCALE, (255,255,255), 2)

# 5. 保存+显示结果
cv2.imwrite("red_obb_box.jpg", img)

yolo的模型文件

pt模型文件

pt文件是 PyTorch 原生的权重序列化文件，是pytorch的专属格式，存储了 YOLO 模型（如 YOLOv5/v6/v7/v8/v9/v10 等）训练后学习到的所有可学习参数：

• 包含卷积层、归一化层、注意力层等的权重值、偏置值、均值 / 方差；
• 仅存储参数，不包含模型结构代码（需配合 YOLO 对应的网络定义代码加载）；
• 区别于 ONNX/TensorRT/TFLite 等部署格式：.pt 是 PyTorch 专属格式，适合训练 / 本地推理，部署需先转换格式。

模型文件下载地址：https://github.com/ultralytics/assets/releases/tag/v8.1.0

如前面我们用到的都是pt模型文件。

ONNX模型文件

ONNX （Open Neural Network Exchange）是跨框架、跨平台的开放式神经网络交换格式 ，核心解决「模型格式不兼容」问题。例如pt文件是pytorch的专属文件，无法直接在 C++/ 嵌入式 / 移动端 / 工控机运行，而转换为 ONNX 后，可适配 TensorRT、OpenVINO、MNN、TFLite 等几乎所有部署框架，是 YOLO 模型从「训练（.pt）」到「落地部署」的核心中间格式。

yolo export model=yolov8n.pt format=onnx  # 导出ONNX

会生成yolov8n.onnx文件，我们再用yolov8n.onnx模型文件进行推理，可以得到和pt模型文件一样的结果。

yolo predict model=yolov8n.onnx source='bus.jpg' save=True

TensorRT模型文件

TensorRT（NVIDIA TensorRT）是 NVIDIA 专为 GPU 打造的高性能推理优化引擎 ，核心作用是对深度学习模型（如 YOLOv8）进行极致优化（层融合、精度校准、显存重排等），相比 PyTorch（.pt）、ONNX Runtime 推理，TensorRT 可将 YOLOv8 推理速度提升 5~20 倍（FP16/INT8 量化后更明显），是 NVIDIA GPU 部署 YOLO 模型的首选方案，仅支持 NVIDIA GPU（T4/V100/A100/RTX 系列）。

yolo export model=best.pt format=engine   # 导出TensorRT引擎

TFLite

TFLite（TensorFlow Lite）是 Google 专为移动端、嵌入式设备、边缘 MCU 设计的轻量级推理框架，核心优势是「极致轻量化、低功耗、快速推理」，适配安卓 /iOS 手机、树莓派、NVIDIA Jetson Nano、单片机（如 ESP32）等资源受限设备。YOLOv8 转换为 TFLite 后，可脱离 PyTorch/TensorFlow 完整框架，仅用几 MB 大小的推理库运行，是移动端部署 YOLO 的首选方案。

 yolo export model=yolov8n.pt format=tflite imgsz=480 half=True device=0