成都市建设网扬尘监控网站,短域名转换,建设网站如何加入搜索,电子邮箱怎么填写如何使用Yolov8一、前言二、用法2.1 安装2.2 使用方法2.3 模型2.3.1 目标检测2.3.2 实例分割2.3.3 分类一、前言
一种易于使用的新的对象检测模型。
由 Ultralytics 开发的 Ultralytics YOLOv8 是一种尖端的、最先进的 (SOTA) 模型#xff1a;
https://github.com/ultralyt…
如何使用Yolov8一、前言二、用法2.1 安装2.2 使用方法2.3 模型2.3.1 目标检测2.3.2 实例分割2.3.3 分类一、前言
一种易于使用的新的对象检测模型。
由 Ultralytics 开发的 Ultralytics YOLOv8 是一种尖端的、最先进的 (SOTA) 模型
https://github.com/ultralytics/ultralytics上面是源码的分享地址。
二、用法
2.1 安装
pip 安装包含所有 requirements.txt 的 ultralytics 包环境要求 3.10Python3.7且 PyTorch1.7。
# Ultralytics requirements
# Usage: pip install -r requirements.txt# Base ----------------------------------------
matplotlib3.2.2
numpy1.18.5
opencv-python4.6.0
Pillow7.1.2
PyYAML5.3.1
requests2.23.0
scipy1.4.1
torch1.7.0
torchvision0.8.1
tqdm4.64.0# Logging -------------------------------------
tensorboard2.4.1
# clearml
# comet# Plotting ------------------------------------
pandas1.1.4
seaborn0.11.0# Export --------------------------------------
# coremltools6.0 # CoreML export
# onnx1.12.0 # ONNX export
# onnx-simplifier0.4.1 # ONNX simplifier
# nvidia-pyindex # TensorRT export
# nvidia-tensorrt # TensorRT export
# scikit-learn0.19.2 # CoreML quantization
# tensorflow2.4.1 # TF exports (-cpu, -aarch64, -macos)
# tensorflowjs3.9.0 # TF.js export
# openvino-dev2022.3 # OpenVINO export# Extras --------------------------------------
ipython # interactive notebook
psutil # system utilization
thop0.1.1 # FLOPs computation
wheel0.38.0 # Snyk vulnerability fix
# albumentations1.0.3
# pycocotools2.0.6 # COCO mAP
# roboflow上述已经满足的情况下选择安装
pip install ultralytics2.2 使用方法
YOLOv8 可以直接在命令行界面CLI中使用 yolo 命令运行
yolo predict modelyolov8n.pt sourcehttps://ultralytics.com/images/bus.jpgyolo可以用于各种任务和模式并接受额外的参数例如 imgsz640。
参见 YOLOv8 文档中可用yolo参数的完整列表。
yolo taskdetect modetrain modelyolov8n.pt args...classify predict yolov8n-cls.yaml args...segment val yolov8n-seg.yaml args...export yolov8n.pt formatonnx args...YOLOv8 也可以在 Python 环境中直接使用并接受与上面 CLI 例子中相同的参数
from ultralytics import YOLO# 加载模型
model YOLO(yolov8n.yaml) # 从头开始构建新模型
model YOLO(yolov8n.pt) # 加载预训练模型推荐用于训练# Use the model
results model.train(datacoco128.yaml, epochs3) # 训练模型
results model.val() # 在验证集上评估模型性能
results model(https://ultralytics.com/images/bus.jpg) # 预测图像
success model.export(formatonnx) # 将模型导出为 ONNX 格式模型 会从 Ultralytics 发布页 自动下载。
2.3 模型
所有 YOLOv8 的预训练模型都可以在这里找到。目标检测和分割模型是在 COCO 数据集上预训练的而分类模型是在 ImageNet 数据集上预训练的。
第一次使用时模型 会从 Ultralytics 发布页 自动下载。
2.3.1 目标检测 2.3.2 实例分割 2.3.3 分类
