DeepDriving | 基于YOLOv8分割模型实现垃圾识别

本文来源公众号“DeepDriving”，仅用于学术分享，侵权删，干货满满。

原文链接：基于YOLOv8分割模型实现垃圾识别

0. 引言

YOLOv8是Ultralytics开源的一个非常火的AI算法，目前支持目标检测、实例分割、姿态估计等任务。如果对YOLOv8的安装和使用还不了解的可以参考我之前写的这篇文章：

YOLOv8初体验：检测、跟踪、模型部署

本文将介绍如何使用YOLOv8的分割模型实现垃圾识别，其中所使用的训练数据来自TACO垃圾数据集。

1. 数据集介绍

TACO是一个包含在不同环境下（室内、树林、道路和海滩）拍摄的垃圾图像数据集，这些图像中的垃圾对象被精细地用方框和多边形进行了标注，标注信息采用与COCO数据集一样的格式，总共有60个类别，不过有的类别标注得很少甚至没有。下图是TACO数据集中的一些标注示例：

如果需要下载数据集，先执行下面的命令拉取官方的G