什么是YOLOv8？
YOLOv8是由Ultralytics开发的“You Only Look Once”模型家族的最新版本。它是一个最先进的实时目标检测模型，推动了速度和准确性的极限。与以前的版本不同，YOLOv8是一个完整的框架，为训练、验证和部署用于各种计算机视觉任务（包括目标检测、图像分割、姿态估计和目标跟踪）的模型提供了统一的界面。其架构设计旨在快速、准确且易于使用，使其成为开发人员和研究人员的首选。
主要特点
- 最先进的性能： 在高精度和惊人速度之间实现了卓越的平衡，使其适用于实时应用。
- 多任务支持： 原生支持目标检测、实例分割、图像分类、姿态估计和多目标跟踪。
- 统一的API： 简单直观的命令行界面（CLI）和Python SDK（
ultralytics），提供从训练到部署的无缝用户体验。 - 框架无关： 模型可以轻松导出为ONNX、TensorRT、CoreML和TensorFlow Lite等多种格式，以便在不同平台上部署。
- 高度可扩展： 采用清晰且文档齐全的代码库设计，允许轻松定制并集成到复杂的管道中。
应用场景
- 自动驾驶汽车： 实时检测行人、车辆和交通标志，以实现安全导航。
- 安全与监控： 监控公共场所的异常活动或跨多个摄像头跟踪个人。
- 零售分析： 通过监控货架来分析客户行为、管理库存，并为无人收银系统提供支持。
- 体育分析： 跟踪运动员的动作并估计姿态，以提供性能指标和自动化的赛事集锦。
- 医学影像： 通过检测和分割扫描中的肿瘤或病变等异常情况来辅助放射科医生。
入门指南
得益于ultralytics Python包，开始使用YOLOv8非常简单。
首先，安装该包： ```bash pip install ultralytics
然后，您只需几行Python代码即可运行预测： ```python from ultralytics import YOLO
加载预训练模型（例如，用于nano版本的yolov8n.pt）
model = YOLO(‘yolov8n.pt’)
对图像运行预测
您可以使用本地路径或URL
results = model(‘https://ultralytics.com/images/bus.jpg’)
处理并显示结果
for r in results: print(r.boxes) # 打印检测到的边界框 r.show() # 显示带有检测结果的图像
定价
YOLOv8在AGPL-3.0许可证下开源。这意味着对于同样遵守AGPL-3.0许可证的项目，它可以免费使用、修改和分发。对于需要在专有软件中使用更宽松许可证的企业，Ultralytics提供带有专门支持和功能的企业许可证。