【玩转全栈】---基于YOLO8的图片、视频目标检测

本篇主要讲YOLO8的具体操作，想要了解YOLO的具体原理，可以去官网查询

介绍

YOLOv8（You Only Look Once Version 8）是 YOLO 系列的最新版本，由 Ultralytics 开发并发布，是一种实时目标检测算法。相比之前的版本，YOLOv8 提供了更高的精度和更快的推理速度，同时支持目标检测、图像分割和姿态估计等任务。它采用了模块化设计，结合更先进的网络结构和训练技术，例如动态标签分配和改进的损失函数，从而提升了模型性能和泛化能力。此外，YOLOv8 兼容 PyTorch 框架，支持灵活的模型大小调整和迁移学习，适合在不同硬件设备（如 GPU、CPU）上运行。其用户友好的 API 和详细的文档使得开发者能够轻松集成和部署 YOLOv8，在安防监控、自动驾驶、智能零售等领域具有广泛应用。

YOLOv8 与 YOLOv5 比较

下载ultralytics库

控制台 pip 下载

pip install ultralytics

清华镜像源下载，国内镜像网站，速度更快

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple ultralytics

下载YOLO的预训练模型文件：

https://download.csdn.net/download/2403_83182682/90295807?spm=1001.2014.3001.5503

开始检测

YOLO检测分两步：1、加载预训练模型；2、检测目标。

首先导入ultralytics 库

from ultralytics import YOLO

加载预训练模型

model = YOLO('yolov8l.pt')

检测目标

model('1.png',show=True)
# show=True 是否显示图片

持续显示

import cv2
# 持续显示
cv2.waitKey(0)

照片随便找张即可，这是官方使用的检测照片

运行结果如下：

检测出来框内是某事物的概率

如果想要保存检测后图片，只需添加参数：

model('1.png',show=True,save=True)

运行后，会自动创建文件夹并将预测图片储存。

同样地，检测网络图片和视频也是这样，检测网络图片仅需将url复制进model中即可，模型会先下载网络图片，再进行检测。

视频识别按照一秒60帧的速度来检测目标，可以传本地，也可以用网络url

视频识别结果如下：

基于YOLO8的目标识别

可以看到，这样的训练对于人物和部分物体是能识别到的，但一些其他的物体，比如健身器材，就检测不到，这是因为像这样的目标识别是基于官方预训练模型进行的，所检测出来的内容也只能是预训练模型中训练的，这样当然是不能满足特定场景的特定需求，想要实现特定场景下的特定识别，还得自己训练模型。

下一篇将介绍如何训练自己的模型并运用。

感谢您的三连！！！