介绍
YOLOv8是一个支持多个计算机视觉任务的人工智能框架。该框架可用于执行检测、分割、分类和姿态估计。每个任务都有不同的目标和用例。
检测
检测是YOLOv8支持的主要任务。它包括检测图像或视频帧中的对象，并在它们周围绘制边界框。检测到的对象根据其特征被分类为不同的类别。YOLOv8可以以高精度和高速度检测单个图像或视频帧中的多个对象。
对象检测
对象检测是一项涉及识别图像或视频流中对象的位置和类别的任务。
对象检测器的输出是一组包围图像中对象的边界框，以及每个框的类标签和置信度分数。当您需要识别场景中感兴趣的对象，但不需要确切知道对象在哪里或其确切形状时，对象检测是一个不错的选择。
提示
YOLOv8Detect模型是默认的YOLOv8模型，即yolov8n.pt，并且在COCO上进行了预训练。
模型
YOLOv8预训练的Detect模型显示在这里。Detect、Segment和Pose模型在COCO数据集上进行预训练，Classify模型在ImageNet数据集中进行预训练。模型在首次使用时自动从最新的Ultralytics版本下载。
mAPval values are for single-model single-scale on COCO val2017 dataset.
Reproduce by yolo val detect data=coco.yaml device=0
Speed averaged over COCO val images using an Amazon EC2 P4d instance.
Reproduce by yolo val detect data=coco128.yaml batch=1 device=0|cpu
分割
分割是一项任务，涉及根据图像的内容将图像分割成不同的区域。每个区域都会根据其内容分配一个标签。该任务在诸如图像分割和医学成像之类的应用中是有用的。YOLOv8使用U-Net架构的变体来执行分割。
分类
分类是一项将图像分类为不同类别的任务。YOLOv8可以用于基于图像的内容对图像进行分类。它使用EfficientNet架构的变体来执行分类。
姿态
姿势/关键点检测是一项涉及检测图像或视频帧中特定点的任务。这些点被称为关键点，用于跟踪运动或姿态估计。YOLOv8可以以高精度和高速度检测图像或视频帧中的关键点。
结论
YOLOv8支持多项任务，包括检测、分割、分类和关键点检测。每个任务都有不同的目标和用例。通过了解这些任务之间的差异，您可以为计算机视觉应用程序选择合适的任务。
