Yolov8初体验

Ultralytics YOLOv8 是由 Ultralytics 开发的一个前沿的 SOTA 模型。它在以前成功的 YOLO 版本基础上，引入了新的功能和改进，进一步提升了其性能和灵活性。YOLOv8 基于快速、准确和易于使用的设计理念，使其成为广泛的目标检测、图像分割和图像分类任务的绝佳选择。
官方源码

Yolov8的快速部署使用

使用命令行

基础调用如

yolo predict model=yolov8n.pt source='https://ultralytics.com/images/bus.jpg'

predict 为任务模式，可选择detect, classify, segment 分别对应检测、分类、分割
model 为所使用模型 主要有YOLOv8n, YOLOv8s, YOLOv8m, YOLOv8l, YOLOv8x
source 为目标，可指向图片或视频，填 0 为调用摄像头
完整参数配置可点击此处查看

Python调用

和使用命令行相似
例如

from ultralytics import YOLO

# 加载模型
model = YOLO("yolov8n.yaml")  # 从头开始构建新模型
model = YOLO("yolov8n.pt")  # 加载预训练模型（推荐用于训练）

# Use the model
results = model.train(data="coco128.yaml", epochs=3)  # 训练模型
results = model.val()  # 在验证集上评估模型性能
results = model("https://ultralytics.com/images/bus.jpg")  # 预测图像
success = model.export(format="onnx")  # 将模型导出为 ONNX 格式