使用YOLOv8检测图像，带标签以及检测精确度，脚本文件运行方便，yolo8-12特点简介

最近写论文过程中想使用目标检测l哎验证模型通用性，想到了yolo系列，现在yolo系列已经更新到了YOLOv12，这里将简单介绍一下从8到12，我放在帖子最后面。

新版本虽然很多，但是越新的版本需要的环境配置要求也高一些，比如需要安装或者更新各种依赖包，就我个人感觉，V8比较稳定，大部分环境也能兼容，我选择用的yolov8，此外，yolov8没有专门的论文可以引用，这里给出一个我的参考地址，该网站该团队开源的内容值得研究yolo系列的伙伴学习。

GitHub - ultralytics/ultralytics: Ultralytics YOLO11 🚀

下面直接放使用yolov8检测图像的代码，需要的伙伴自取：

第一种，检测结果只有检测框，没有标签分类

import os
import cv2
from ultralytics import YOLO

# 加载预训练的 YOLOv8 模型
model = YOLO('yolov8n.pt')  # 使用 nano 版本，适合轻量级应用

# 定义输入和输出文件夹路径
input_folder = "./aaaa"  # 替换为你的输入文件夹路径
output_folder = "./bbbb"  # 替换为你的输出文件夹路径

# 确保输出文件夹存在
os.makedirs(output_folder, exist_ok=True)

# 遍历输入文件夹中的所有图像
for filename in os.listdir(input_folder):
    # 检查文件是否为图像文件（仅处理 `.jpg` 和 `.png` 文件）
    if filename.endswith(('.jpg', '.png')):
        image_path = os.path.join(input_folder, filename