【CV】比较yolov5和yolov8: 在实际应该中应该选用哪个版本？

YOLO GITHUB：https://github.com/ultralytics

在物体检测领域，YOLO（You Only Look Once）是一种突破性的算法。YOLO算法自问世以来，已经演化出多个版本，其中最流行的两个版本是YOLOv5和YOLOv8。这两个版本都具有独特的功能和优势，使它们各具特色。

在这篇文章中，我们将比较 YOLOv5 和 YOLOv8，看看哪个在准确率和 FPS 方面更好。

相似之处（YOLOv5 与 YOLOv8）

• 主干网： YOLOv5和YOLOv8都使用CSPDarknet53主干架构。

• 锚框：两种算法都使用锚框来提高对象检测的准确性。

• 非极大值抑制 (NMS)：两种算法都使用 NMS 来抑制同一对象的多次检测。

• 后处理：两种算法都使用后处理技术来提高目标检测的准确性。

• 优化器： YOLOv5和YOLOv8都使用Adam优化器来训练模型。

• 激活函数：两种算法都在其架构中使用 Mish 激活函数。

• 准确率比较（YOLOv5 vs YOLOv8）

YOLOv5 以其目标检测的准确性而闻名。它在准确性方面实现了最先进的性能，在 COCO 数据集上的平均精度为 50.5%。YOLOv5 在检测小物体方面也表现出色，这对 YOLO 之前的版本来说是一个重大挑战。YOLOv5 还在实际应用中展示了卓越的性能，例如检测视频流中的行人。

YOLOv8 在准确率方面优于 YOLOv5。YOLOv8s模型在COCO数据集上实现了51.4%的平均精度，而YOLOv8m模型在同一数据集上实现了54.2%的平均精度。YOLOv8 在检测小物体方面也表现出了卓越的性能，并解决了 YOLOv5 的一些局限性。

速度 (FPS) 比较（YOLOv5 与 YOLOv8）

YOLOv5 针对实时应用进行了高度优化，其 FPS（每秒帧数）非常出色。“n”版本的 FPS 是其他版本中最高的，因此更适合实时应用程序。

YOLOv8 在 CPU 上的 FPS 比 YOLOv5 低，但对于实时应用程序来说仍然具有不错的 FPS，并且在某些 GPU 上比 YOLOv5 更高的 FPS。YOLOv8 的“n”版本适用于嵌入式设备，即 Jetson Nano。

结论

如果需要对小物体进行精确的物体检测，YOLOv5和YOLOv8都是有效的选择。但是，如果需要在不支持 GPU 的设备上部署解决方案，YOLOv5 可能是更合适的选择。另一方面，如果优先考虑速度并获得 GPU 支持，YOLOv8 可能是一个更有价值的解决方案。

总体而言，截至撰写本文时，与之前的 YOLO 变体相比，YOLOv5 和 YOLOv8 都表现出了令人印象深刻的速度和准确性。

参考来源：https://baijiahao.baidu.com/s?id=1774389496657535342&wfr=spider&for=pc