YOLOV8
YOLOv8简介
YOLOv8是YOLO系列的最新版本，它融合了先进的深度学习技术和目标检测领域的最新研究成果
与其前身相比，YOLOv8在速度和精度方面都有了显著的提升，使其成为一个理想的实时目标检测解决方案。该模型结合了卷积神经网络（CNN）和一系列优化技术，能够在保持高效率的同时实现更精准的目标检测
YOLOv8安装
在此之前确保你安装了Anaconda，有conda
新建一个文件夹，打开终端
#新建虚拟环境
conda create -n yolov8 python=3.8
#激活
conda activate yolov8
#安装torch
conda install pytorch==2.0.0 torchvision==0.15.0 torchaudio==2.0.0 pytorch-cuda=11.7 -c pytorch -c nvidia
#下载源码
git clone https://github.com/ultralytics/ultralytics.git
#进入项目
cd ultralytics
#安装ultralytics包
pip install ultralytics
YOLOv8使用权重
在ultralytics->ultralytics->docs->en->models->yolov8.md找到对应权重地址，下载保存到项目根目录（如图是我下载的权重）
https://github.com/ultralytics/assets/releases/download/v8.2.0/yolov8n.pt
检测（模型用的是刚才下载的权重，zidane为项目自带的图片）
yolo predict model=yolov8n.pt source=ultralytics/assets/zidane.jpg
检测结果为如图下目录
YOLOv8如何训练数据集
(如何制作自己的数据集请看往期文章)
在源代码上新建一个datasets文件夹，准备好数据集，放入其中，文件结构应与coco数据集结构一致
这为官方提供的coco8数据集文件结构样例，你可以在项目文件ultralytics->ultralytics->cfg->datasets->coco8.yaml文件末下载，然后解压在datasets里
download: https://ultralytics.com/assets/coco8.zip
以我自己建的数据集为例，标注信息只有一个person，新建一个文件my_person.yaml
把coco8.yaml文件内所有粘贴过来你的my_person.yaml中
然后修改一下地址，避免路径出错，我直接使用的绝对路径
大致文件结构为这个样子
使用命令行训练模型，预训练权重、训练轮数、批次大小和学习率（详细参数请看官网）
yolo detect train data=D:\Desktop\Yolo\ultralytics\datasets\myperson\my_person.yaml model=yolov8n.yaml pre
trained=ultralytics/yolov8n.pt epochs=300 batch=4 lr0=0.01
训练结果，如图所示
后记
此为本人学习成果的呈现，若文中有任何不妥或错误，恳请各位读者予以谅解(。_。)