简史

Quote

YOLO（You Only Look Once）是一种流行的目标检测和图像分割模型，由华盛顿大学的 Joseph Redmon 和 Ali Farhadi 开发。YOLO于2015年推出，以其高速度和准确性迅速受到欢迎。

历史版本介绍

• YOLOv2 于2016年发布，通过合并批处理规范化、锚盒和维度集群改进了原始模型。
• YOLOv3 于2018年推出，使用更高效的骨干网络、多个锚点和空间金字塔池，进一步增强了该模型的性能。
• YOLOv4 于2020年发布，引入了Mosaic数据增强、新的无锚检测头和新的丢失功能等创新。
• YOLOv5 进一步提高了模型的性能，并添加了超参数优化、集成实验跟踪和自动导出到流行导出格式等新功能。
• YOLOv6 于2022年由美团开源，目前正在该公司的许多自动配送机器人中使用。
• YOLOv7 在COCO关键点数据集上添加了额外的任务，如姿态估计。
• YOLOv8 是Ultralytics的YOLO的最新版本。作为一款尖端、最先进的（SOTA）车型，YOLOv8在之前版本的成功基础上，引入了新功能和改进，以增强性能、灵活性和效率。YOLOv8支持全方位的视觉AI任务，包括检测、分割、姿态估计、跟踪和分类。这种多功能性允许用户在不同的应用程序和域中利用YOLOv8的功能。

安装

• 使用 pip安装 ultralytics并在几分钟内启动并运行   开始
• 使用 YOLOv8 预测新图像和视频   预测图像
• 在自己自定义的数据集上训练新的 YOLOv8 模型   训练模型
• 探索YOLOv8 任务，例如分段、分类、姿势和跟踪   浏览任务

观看：如何在Google Colab中的自定义数据集上训练YOLOv8模型。