本地运行YOLOV8

YOLOv8 是 YOLO（You Only Look Once）目标检测算法系列的一个变种，它是由 Joseph Redmon 和 Ali Farhadi 提出的一种高效的实时目标检测算法。YOLOv8 是对 YOLOv4 的改进版本，通过一系列的优化和改进，提高了检测性能和速度。

以下是 YOLOv8 的一些特点和改进：

  1. Backbone 网络：YOLOv8 使用 CSPDarknet53 作为其主干网络，这是一种轻量级但强大的骨干网络，有助于提高检测性能。

  2. 网络结构：YOLOv8 采用了一个简单而有效的网络结构，通过堆叠不同尺度的特征图以实现多尺度目标检测。

  3. 优化技术：YOLOv8 使用了一系列优化技术，如模型蒸馏（model distillation）、数据增强（data augmentation）等，以提高检测精度和泛化能力。

  4. 速度和性能：YOLOv8 在保持高检测精度的同时，通过优化网络结构和算法，实现了更快的检测速度，适用于实时目标检测场景。

  5. 开源实现：YOLOv8 的源代码通常是开源的，使得研究人员和开发者可以基于其进行进一步的研究和应用。

总的来说，YOLOv8 是一种高效、准确且实用的目标检测算法，适用于各种场景，包括视频监控、自动驾驶、工业质检等领域。

复现环境

  • 操作系统：Windows10
  • 软件工具：Pycharm2023 + Anaconda3

模型资料来源

前期准备

  • 从开源仓库下载源码：

    5b93fee32deff8d75ab20dc7c1f4180

  • 下载最小模型的预训练权重文件：

    d5eb16af051c07609da4b3ec71ae209

  • 将权重文件直接放在 ultralytics 仓库下即可：

da1bd409ba1755bcbf07d5c6662a3d4

配置环境

  • 打开 Anaconda Prompt，创建一个新环境，官方要求 Python 版本要大于 3.8：

    conda create -n env_yolov8 python==3.9

    b072162db2c8e37ceb52139be7b57f5

  • 输入 nvidia-smi 查看 GPU 支持的最高 CUDA 版本：

    2ad2742ab4f1e3ec4709ea00e3809cf

  • 下载 Pytorch，打开官网：https://pytorch.org/

  • CUDA 版本选择 12.1，复制下载命令：
  • 2385c28b8c95f6be7d45867e8e8a9fc

ed2e48e5c2b26312208610dc76aa48c

  • 用 PyCharm 打开 YOLOv8 源码：

    6b1cab605e5b8faaba2d73af70d401c

  • 点击右下角 Python 解释器—>添加新的解释器—>添加本地解释器：

    ff080ef4447878828927ca6a97de707

  • 切换到我们新创建的环境：

    5825d6d9162d1d83ead06ccb71b102f

  • 打开 Pycharm 终端：

    371199e661ee3f10c5cc16cb01d05f7

  • 输入命令下载 ultralytics 包：

pip install ultralytics

c050c6bebf2ae19cabac0039dbbfba1

复现功能

  • 复现目标检测功能，直接在终端运行命令：

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

    ed89cf583152e625ac0a27e31f85ce3

  • 运行结果在 run 文件夹 detect 里：

    d3f2aa7fd7ff3788810d1fce3150686