YOLOv8目标检测图片

YOLOv8 是 YOLO（You Only Look Once）系列实时目标检测器的最新版本，由 Ultralytics 开发。它在前几代 YOLO 的基础上进行了改进，引入了新特性和优化，提升了准确性和速度。

YOLOv8是一种先进的目标检测算法，它可以实现快速和准确的目标检测。

YOLOv8 的主要特性：

• 先进的骨干和颈部架构：改进了特征提取和目标检测性能。
• 无锚检测头：相比基于锚点的方法，提高了准确性和效率。
• 优化的速度和准确性：在精度和速度之间取得了平衡，适用于实时应用。
• 多功能预训练模型：支持多种任务，如目标检测、实例分割、姿态/关键点检测、定向目标检测和分类。

支持的任务和模式：

• 目标检测：识别和定位图像中的目标。
• 实例分割：检测目标并划定其边界。
• 姿态/关键点检测：识别人类姿态或关键点。
• 定向目标检测：检测具有方向的目标。
• 分类：将目标分类到预定义的类别中。

YOLOv8 设计为用户友好，可以在多种操作模式下使用，包括训练训练、验证、推理和导出。

文件、环境

将网盘文件里的py文件复制到ultralytics-main中，用PyCharm打开此文件

PyCharm创建conda现有环境yolo或其他自己定义的名字

链接：https://pan.baidu.com/s/1hOsv7CpIuTfU08u0ZX318w?pwd=xg43 

一、训练集

打开ultralytics-main->ultralytics->cfg->models->v8->yolov8.yaml

model中的绝对路径为yolov8.yaml文件的绝对路径

data数据集为sd.v1i.yolov8文件下的data.yaml的绝对路径

右键运行train，生成train文件

运行后的结果存放在ultralytics-main->runs->train->exp(yuan)

二、验证集

打开val.py文件，将其中model中绝对路径替换为best.pt的绝对路径

data路径跟train.py中一样

右键运行val，生成val文件

运行后结果存放在ultralytics-main->runs->val->exp中

将要进行目标检测的图片存放在test2（自己创建的文件）中，如开头的天鹅图片，命名为swan.jpg

复制其绝对路径

三、检测集

YOLO后的路径替换yolov8n.pt的路径

复制swan.jpg的绝对路径替换detect.py文件中的model路径

右键运行detect，生成detect文件

运行结果存放在ultralytics-main->runs->detect中

检测结果如下图：可以检测到图中有四只天鹅