14、YOLOv8教程--- YOLOv8 目标检测解析 [实际示例]

YOLO（You Only Look Once，意为“你只看一次”）是一个用于实时目标检测和分类的流行的目标检测模型系列，在计算机视觉领域中广泛应用。

YOLO最初由Joseph Redmon、Ali Farhadi和Santosh Divvala开发，旨在以实时速度实现高准确率的目标检测。这个模型系列属于单阶段目标检测模型，通过卷积神经网络（CNN）的一次前向传递来处理整个图像。

YOLO的关键特征是其单阶段检测方法，设计用于实时且高精度地检测目标。与R-CNN等两阶段检测模型不同，YOLO处理整个图像只需一次传递，因此速度更快、效率更高。

来源：Pjreddie. The YOLO Detection System. 使用YOLO处理图像简单而直接。我们的系统 (1) 将输入图像调整为448 × 448像素，(2) 在图像上运行一个卷积网络，(3) 根据模型的置信度对结果进行阈值处理。

在本文中，我们将重点关注YOLOv8，这是由Ultralytics开发的最新版本YOLO系统。我们将讨论其从YOLO到YOLOv8的演变过程、网络架构、新功能及其应用。此外，我们还将提供YOLOv8的分步使用指南，最后介绍如何使