YoloV8模型搭建

YOLOv8是由Ultralytics公司推出的新一代目标检测模型，它不仅继承了YOLO系列一贯的“You Only Look Once”（只需一眼）的高速检测特点，还在精度和易用性上实现了重大突破。作为一个统一的框架，YOLOv8不仅支持目标检测，还原生支持实例分割、图像分类和姿态估计等多种视觉任务，其通过引入更先进的网络结构（如C2f模块）和无锚框检测头，在保持极高推理速度的同时，显著提升了对小目标和重叠目标的识别准确率，并且延续了极简的训练部署流程——只需几行代码即可完成模型加载与训练。

一、环境安装

1.

电脑搜索

Anaconda Prompt

打开终端

2.

(base) C:\Users\G15>x:	//转X盘

(base) X:\>cd X:\MineProg\Yolo	//跳转路径

(base) X:\MineProg\Yolo>conda create -n yolov8 python=3.8	//创建项目

创建过程中输入一个y

3.

阿里云镜像安装pytorch

1	pip install torch==2.4.1+cu124 torchvision==0.19.1+cu124 torchaudio==2.4.1+cu124 -f https://mirrors.aliyun.com/pytorch-wheels/cu124/ --default-timeout=1000

4.

打开 ultralytics Github主页

1	https://github.com/ultralytics/ultralytics

下载源码压缩包，解压到本地

用编辑器或编译器（如VSCode）打开 ultralytics-main 目录

5.

ultralytics 文档官网

1	https://docs.ultralytics.com/zh/

本文内容依照官方文档撰写

6.

在 ultralytics-main 目录下运行

1	pip install -e .

这是源码安装方式，虽然比较麻烦，但可以方便后续通过源码微调模型

安装成功可以通过pip list方式

“X:\MineProg\ultralytics-main” 表示你源码的实际位置

7.

1	yolo predict model=yolov8n.pt source=ultralytics/assets/bus.jpg

通过文件中自带的图片直接执行一次检测

检测结果如下

可以看到检测到了4 persons, 1 bus, 1 stop sign，用时64.8ms

成功检测

二、模型预测

1.终端设置

打开vscode，终端调整为cmd

输入本地anaconda地址激活环境，eg

X:\MineProg\ultralytics-main>D:\anaconda\Anaconda\Scripts\activate

(base) X:\MineProg\ultralytics-main>conda activate yolov8

(yolov8) X:\MineProg\ultralytics-main>

2.模型检测

终端直接运行：

1	yolo predict model=yolov8n.pt source=ultralytics/assets/bus.jpg

等价于在主目录下新建一个py文件

from ultralytics import YOLO

yolo = YOLO("./yolov8n.pt",task="detect")

results = yolo(source="./ultralytics/assets/bus.jpg")

3.参数介绍

参数见上述文件，或者文档官网介绍

eg 参数source

1
2
3

source="./video1.mp4" # 逐帧检测视频

source="screen" #逐帧检测桌面

cmd终端运行

1	python demo_predict.py

终端不断输出当前对屏幕的检测结果