一、YOLO 简史
YOLO(You Only Look Once)，由华盛顿大学的Joseph Redmon和Ali Farhadi开发的流行目标检测和图像分割模型，于2015年推出，由于其高速和准确性而迅速流行。
从YOLOv2-YOLOv7不断优化升级，YOLOv8 是Ultralytics的YOLO的最新版本。作为一种前沿、最先进(SOTA)的模型，YOLOv8在之前版本的成功基础上引入了新功能和改进，以提高性能、灵活性和效率。YOLOv8支持全范围的视觉AI任务，包括检测, 分割, 姿态估计, 跟踪, 和分类。这种多功能性使用户能够利用YOLOv8的功能应对多种应用和领域的需求。
支持的常见任务如下：
二、操作和使用
github地址：https://github.com/ultralytics/ultralytics
基本环境要求：
python>=3.8
pytorch>=1.8
执行 pip install ultralytics安装后就可以使用
2.1 基本代码
使用一张图片如下，命名为 bus.jpg：
使用模型yolov8n.pt对其进行预测，
# 从平台库导入YOLO类
from ultralytics import YOLO
# 从模型文件构建model
model = YOLO("yolov8n.pt")
# 对某张图片进行预测
results = model("bus.jpg")
# 打印识别结果
print(results)
结果会保存在runs/detect/predict目录，打开后会看到一张bus.jpg
2.2 模型文件使用
| 名称 | 模型文件 | 家族 |
|---|---|---|
| 检测(detect) | yolov8n.pt | 8n、8s、8m、8l、8x |
| 分割(segment) | yolov8n-seg.pt | 8n、8s、8m、8l、8x |
| 分类(classify) | yolov8n-cls.pt | 8n、8s、8m、8l、8x |
| 姿态(pose) | yolov8n-pose.pt | 8n、8s、8m、8l、8x |