如何使用 YOLOv8 做对象检测

介绍

对象检测是一项计算机视觉任务，涉及识别和定位图像或视频中的对象。它是许多应用的重要组成部分，例如自动驾驶汽车、机器人和视频监控。

多年来，已经开发了许多方法和算法来查找图像中的对象及其位置。卷积神经网络对于此类任务有着非常好的性能和质量。

用于此任务的最流行的神经网络之一是 YOLO，由 Joseph Redmon、Santosh Divvala、Ross Girshick 和 Ali Farhadi 在 2015 年在他们著名的研究论文“You Only Look Once: Unified, Real-Time Object Detection”中创建。

从那时起，YOLO 已经出现了相当多的版本。最近的版本可以做的不仅仅是对象检测，还可做对象分割、对象追踪等、姿势识别等任务，本系列文章展示了如何使用YOLOv8。

本系列文章分为3个大模块：

1. 如何使用对象识别：我们将使用预先训练的好的模型来检测常见的对象类，比如猫和狗。
2. 如何训练自己的模型：我将展示如何训练自己的模型来检测您选择的特定对象类型，以及如何准备训练数据。
3. 应用模型：最后将创建一个 Web 应用程序，使用自定义训练模型直接在 Web 浏览器中检测图像上的对象。

YOLOv8适用场景

YOLOv8可以解决分类、对象检测和图像分割问题。所有这些方法都以不同的方式检测图像或视频中的对象，如下图所示：