ultralytics yolov8：一种最先进的目标检测模型

【YOLOv8】一小时掌握，从0开始搭建部署YOLOv8系列教程，安装+推理+自定义数据集训练与搭建_哔哩哔哩_bilibili【YOLOv8】一小时掌握，从0开始搭建部署YOLOv8系列教程，安装+推理+自定义数据集训练与搭建共计10条视频，包括：YOLOv8-系列课程简介、YOVOv8-安装、YOLOv8-环境配置等，UP主更多精彩视频，请关注UP账号。https://www.bilibili.com/video/BV1qtHeeMEnC/?spm_id_from=333.337.search-card.all.click&vd_source=27c8ea1c143ecfe9f586177e5e7027cf很多同学问老师，这些课程能不能把文档写出来，分享到更多的人，那么今天它来了，整理成大纲给到同学们，希望能够帮助到你们，如果觉得写的可以，可以对照上面的视频进行学习

YOLOv8零基础从入门到实战进阶系列教程_哔哩哔哩_bilibiliYOLOv8零基础从入门到实战进阶系列教程,bilibili课堂,哔哩哔哩课堂,哔哩哔哩,Bilibili,B站,弹幕https://www.bilibili.com/cheese/play/ep1342527?query_from=0&search_id=6883789517812043464&search_query=yolov8&csource=common_hpsearch_null_null&spm_id_from=333.337.search-card.all.click

目录

YOLOv8

尝试模型

概述

YOLOv8 性能：在 Roboflow 100 上进行基准测试

YOLOv8 与 YOLOv5

YOLOv8 许可证

部署 YOLOv8 API

---

YOLOv8

YOLOv8 是由 YOLOv5 的开发商 Ultralytics 创建的最先进的物体检测和图像分割模型。

尝试模型

使用下面的小部件来试验 YOLOv8。您可以检测 COCO 类别，例如人物、车辆、动物、家居用品。

概述

YOLOv8 是一种最先进的物体检测和图像分割模型，由 YOLOv5 的开发者 Ultralytics 创建。YOLOv8 于 2023 年 1 月 10 日发布，具有以下特点：

• 一个新的骨干网络；
• 一种可以轻松将模型性能与 YOLO 家族中较旧的模型进行比较的设计；
• 一种新的损失函数和；
• 一种新型无锚检测头。

YOLOv8 性能：在 Roboflow 100 上进行基准测试

我们在Roboflow 100上对 YOLOv8 进行了基准测试，这是一个对象检测基准，用于分析模型在特定任务领域的性能。Roboflow 100 是一种有效评估模型在不同问题上的泛化程度的方法。

YOLOv8 与 YOLOv5

我们发现 YOLOv8 在 Roboflow 100 上的 mAP 得分为 80.2%，而 YOLOv5 的平均得分为 73.5%。这表明 YOLOv8 在特定领域任务上的表现明显优于 Ultralytics 的前身 YOLOv5。我们在本次分析中比较了 YOLOv5 和 YOLOv8。
YOLOv8 性能：以 COCO 为基准

模型	尺寸 （像素）	mAP值 50-95	CPU速度（毫秒）	T4 GPU速度（毫秒）	参数 （M）	失败次数 (B)
YOLOv8n	640	37.3	-	-	3.2	8.7
YOLOv8s	640	44.9	-	-	11.2	28.6
YOLOv8m	640	50.2	-	-	25.9	78.9
YOLOv8l	640	52.9	-	-	43.7	165.2
YOLOv8x	640	53.9	-	-	68.2	257.8

（上表来源于YOLOv8官方仓库）。

YOLOv8 许可证

YOLOv8
已获得许可
AGPL-3.0
执照。

部署 YOLOv8 API

您可以使用 Roboflow Inference 部署
YOLOv8
硬件上的 API。您可以在 CPU（即 Raspberry Pi、AI PC）和 GPU 设备（即 NVIDIA Jetson、NVIDIA T4）上部署模型。 以下是有关如何部署您自己的模型 API 的说明。
首先，安装 Inference ：

Bash运行代码复制代码

pip install inference

要尝试使用在 Microsoft COCO 数据集上训练的模型的演示，请使用

Python运行代码复制代码

import inference

model = inference.load_roboflow_model("yolov8n-640")

results = model.infer(image="YOUR_IMAGE.jpg")

以上，替换：
●YOUR_IMAGE.jpg以及您的图像的路径。
您还可以使用推理运行微调模型。
检索您的 Roboflow API 密钥并将其保存在名为的环境变量中ROBOFLOW_API_KEY：

Bash运行代码复制代码

export ROBOFLOW_API_KEY="your-api-key"

要使用您的模型，请运行以下代码：

Python运行代码复制代码

import inference

model = inference.load_roboflow_model("model-name/version")

results = model.infer(image="YOUR_IMAGE.jpg")

以上，替换：
●YOUR_IMAGE.jpg以及您的图像的路径。
●model_id/version使用您要使用的 YOLOv8 模型 ID 和版本。了解如何检索您的模型和版本 ID。