1. 从“Hello World”到“Hello YOLO”一个目标检测新手的破冰之旅第一次接触YOLO这个名字是在一个计算机视觉项目的需求讨论会上。同事指着屏幕上实时跳动、精准框出人、车、路标的视频流说“看这就是YOLO的效果。”那一刻的感觉很奇妙你明知道这背后是复杂的数学和代码但它呈现出来的却是一种近乎直觉的“所见即所得”——You Only Look Once。对于很多像我一样从传统图像处理转向深度学习或者刚踏入AI应用开发领域的朋友来说YOLO往往是我们目标检测实践路上的第一个“大项目”。它不像一些学术模型那样高高在上有着丰富的社区资源、清晰的实现路径以及从科研到落地的完整生态。这份学习笔记就记录了我从零开始把YOLO从论文里的概念变成自己电脑里一个能跑起来的、真正能识别物体的程序的全过程。无论你是想用YOLO做毕业设计为工业质检寻找方案还是单纯对AI如何“看懂”世界感到好奇希望这篇聚焦于环境配置、基础原理感知和第一个检测程序运行的笔记能帮你绕开我当初踩过的那些坑顺利敲开目标检测的大门。2. 项目整体设计与学习路径规划目标检测的学习尤其是像YOLO这样的端到端框架很容易让人陷入两个极端要么一头扎进复杂的理论公式在反向传播和损失函数里迷失要么只想当个“调包侠”对着教程复制粘贴命令结果报错时一头雾水。我的核心思路是**“先跑通再读懂后优化”**。这意味着我们的首要目标不是深究YOLO v8的CIoU损失函数比v5的GIoU好在哪里而是先在自己的机器上搭建一个能稳定运行YOLO模型的环境并成功对一张图片或一段视频执行检测看到那个令人兴奋的 bounding box 弹出来。这个过程本身会倒逼你去理解一些关键概念比如模型权重、置信度阈值、非极大值抑制NMS等为后续的深入打下坚实的感性基础。为什么选择从YOLO v8入手在2024年的当下Ultralytics公司维护的YOLO v8是一个平衡了先进性、易用性和社区活跃度的绝佳选择。相比早期的v3、v5v8在模型结构上做了精简和优化文档非常清晰并且其统一的API设计让执行检测、分割、姿态估计等任务变得异常简单。更重要的是它的生态极其友好从安装、推理到训练、部署都有近乎“一键式”的脚本支持。这对于初学者建立信心至关重要。我们不需要在环境依赖的泥潭里挣扎太久就能快速获得正反馈看到AI工作的成果。整个学习路径我将其分为四个阶段本笔记主要涵盖第一阶段环境奠基与“开箱即用”配置Python、PyTorch环境安装YOLO库使用官方预训练模型进行首次推理。数据驱动与模型驯化学习准备自定义数据集标注、格式转换并用自己的数据训练一个专属的YOLO模型。原理深入与性能调优结合代码剖析YOLO的网络结构、损失函数和训练技巧学习如何评估模型性能并进行优化。工程落地与拓展应用探索模型导出ONNX, TensorRT、部署到不同平台Web, 移动端, 边缘设备以及与其他工具链如SAHI处理小目标的集成。3. 核心工具选型与环境配置详解工欲善其事必先利其器。一个干净、隔离且版本匹配的Python环境是避免无数诡异报错的前提。我强烈建议使用Conda或Venv进行环境管理。3.1 Python与PyTorch环境搭建我选择Python 3.8~3.10这个兼容性较好的区间。PyTorch的安装需要访问其官网根据你的CUDA版本如果你有NVIDIA显卡并打算利用GPU加速或选择CPU版本进行安装。这一步是第一个小门槛。# 创建一个新的conda环境以3.9为例 conda create -n yolo_study python3.9 conda activate yolo_study # 安装PyTorch以CUDA 11.8为例请务必去官网核对最新命令 pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118注意CUDA版本、PyTorch版本、显卡驱动版本三者必须兼容。如果你没有NVIDIA显卡或者驱动安装复杂强烈建议在第一步先使用CPU版本。命令为pip install torch torchvision torchaudio。CPU版本虽然推理速度慢但能确保环境快速就绪不影响你对整个流程的理解。速度问题可以在后续有GPU环境时再解决。3.2 Ultralytics YOLO库安装这是最简单的一步。Ultralytics将YOLO v8封装成了一个极其易用的Python包。pip install ultralytics安装完成后可以在Python中尝试导入ultralytics包来验证。这个库会自动处理许多底层依赖如OpenCV、Pillow等。3.3 集成开发环境IDE选择与配置对于初学者PyCharm或VS Code都是优秀的选择。我个人偏好VS Code因为它轻量且插件生态丰富。关键是要配置好Python解释器路径指向我们刚刚创建的yolo_studyConda环境。在VS Code中按CtrlShiftP输入 “Python: Select Interpreter”。选择路径类似于../anaconda3/envs/yolo_study/bin/python的解释器。创建一个新的Python文件例如first_detection.py就可以开始编码了。实操心得在VS Code中建议安装Python和Pylance扩展。它会提供代码补全、语法高亮和类型检查对于探索陌生的YOLO API非常有帮助。例如当你输入YOLO(时它会提示你需要的参数。4. 首次推理让YOLO“看见”你的世界环境准备好后最激动人心的时刻来了用不到10行代码让YOLO开始工作。4.1 加载预训练模型与执行图片检测Ultralytics的API设计非常直观。我们使用YOLO类来加载模型模型权重文件会在第一次运行时自动从云端下载。from ultralytics import YOLO import cv2 # 加载一个预训练模型yolov8n.pt 是轻量级的纳米模型适合快速验证 model YOLO(yolov8n.pt) # 对一张图片进行推理 results model(path/to/your/image.jpg) # 替换成你的图片路径 # 可视化结果并保存 results[0].show() # 使用默认图片查看器显示 results[0].save(output.jpg) # 保存带检测框的图片 # 也可以使用OpenCV来显示便于集成到其他程序中 annotated_frame results[0].plot() # 返回绘制了框的BGR图像数组 cv2.imshow(YOLO Detection, annotated_frame) cv2.waitKey(0) cv2.destroyAllWindows()运行这段代码你会看到程序首先下载一个几十兆的yolov8n.pt文件然后对指定图片进行分析最后弹出窗口图片中的物体人、椅子、杯子等都被不同颜色的矩形框框出并打上了标签和置信度。4.2 关键参数解析与初探结果第一次运行成功后我们来看看results对象里有什么。这是理解YOLO输出的关键。# 承接上面的代码检查第一个结果因为可能对多张图片进行批量推理 result results[0] # 打印结果的基本信息 print(f检测到的物体数量: {len(result.boxes)}) # 遍历所有检测框 for box in result.boxes: # 获取框的坐标 (xyxy格式: 左上角x, 左上角y, 右下角x, 右下角y) xyxy box.xyxy[0].tolist() # 获取置信度 conf box.conf[0].item() # 获取类别ID和名称 cls_id int(box.cls[0].item()) cls_name result.names[cls_id] print(f物体: {cls_name}, 置信度: {conf:.2f}, 位置: {xyxy})这段代码揭示了YOLO检测结果的核心数据结构boxes属性包含了所有检测框的信息。每个框都有坐标、置信度和类别。names是一个字典将类别ID映射到可读的字符串如 ‘person’ ‘car’。注意事项model(‘image.jpg’)这个调用背后默认使用了一系列预处理缩放、归一化和后处理非极大值抑制 NMS。你可以通过传入参数来调整这些行为例如model(‘image.jpg’, conf0.25, iou0.45)来调整置信度阈值和NMS的IoU阈值。对于初次尝试建议先使用默认值等看到结果后再尝试调整观察变化。4.3 从图片到视频实时检测初体验图片检测成功了视频流检测只是简单的扩展。这能让你立刻感受到YOLO的“实时”魅力。from ultralytics import YOLO import cv2 model YOLO(yolov8n.pt) # 打开摄像头0通常是默认摄像头 cap cv2.VideoCapture(0) while cap.isOpened(): success, frame cap.read() if not success: break # 在每一帧上运行YOLO推理 results model(frame, verboseFalse) # verboseFalse 关闭控制台日志更清爽 # 在帧上绘制检测结果 annotated_frame results[0].plot() # 显示结果 cv2.imshow(YOLO Real-Time Detection, annotated_frame) # 按‘q’退出 if cv2.waitKey(1) 0xFF ord(q): break cap.release() cv2.destroyAllWindows()运行这段代码你的摄像头将会打开YOLO会实时分析画面并框出其中的物体。即使是在CPU上运行yolov8n模型通常也能达到每秒数帧的速度足以让你体验实时交互的感觉。5. 深入模型家族选择适合你的YOLO变体第一次成功运行后你可能会想yolov8n.pt里的 ‘n’ 代表什么为什么还有 ‘s’ ‘m’ ‘l’ ‘x’这是YOLO模型家族的尺寸缩放策略旨在平衡速度和精度。5.1 模型尺寸与性能权衡Ultralytics提供了从纳米Nano到超大Extra Large五种规模的预训练模型模型后缀代表含义参数量约速度CPU上相对精度COCO mAP 约适用场景nNano~3M最快较低移动端、嵌入式设备、对实时性要求极高的场景sSmall~11M很快中等通用实时检测的起点平衡之选mMedium~26M中等较好对精度有要求同时希望保持一定速度的服务端lLarge~44M较慢高服务器端应用追求高精度xExtra Large~68M最慢最高学术研究、竞赛或对精度有极致要求的离线分析在代码中你只需更改模型字符串即可切换model YOLO(yolov8s.pt) # 使用小模型 # model YOLO(yolov8m.pt) # 使用中模型5.2 任务类型扩展检测、分割与姿态估计YOLO v8 不止能做目标检测Object Detection。同一个架构通过加载不同的预训练权重可以完成实例分割Instance Segmentation和姿态估计Pose Estimation。目标检测就是我们刚才做的输出 bounding box 和类别。yolov8n.pt实例分割在检测的基础上为每个物体输出一个像素级的掩膜mask。yolov8n-seg.pt姿态估计检测人体的关键点如头、肩、肘、腕等。yolov8n-pose.pt# 实例分割示例 seg_model YOLO(yolov8n-seg.pt) seg_results seg_model(path/to/image.jpg) seg_results[0].show() # 显示时物体会被彩色掩膜覆盖 # 姿态估计示例 pose_model YOLO(yolov8n-pose.pt) pose_results pose_model(path/to/image.jpg) pose_results[0].show() # 显示时人体上会画出骨骼关键点实操心得对于初学者建议从目标检测开始把流程完全跑通。分割和姿态估计的模型更大后处理也更复杂一些。但了解它们的存在非常重要这意味着当你未来的项目需要更精细的分析如抠出物体、分析人体动作时你知道可以直接在YOLO生态内寻找解决方案而不必切换到一个完全陌生的框架。6. 常见问题与排查技巧实录第一次配置和运行几乎一定会遇到问题。下面是我总结的一些典型“坑位”和解决方法。6.1 环境与依赖问题问题1安装ultralytics或torch时网络超时或速度极慢。原因PyPI源或PyTorch源在国外。解决为pip更换国内镜像源。对于PyTorch可以使用清华源安装CPU版本或通过 conda 安装conda 源有时更快。# 临时使用镜像源安装ultralytics pip install ultralytics -i https://pypi.tuna.tsinghua.edu.cn/simple # 使用conda安装PyTorch (CPU版本) conda install pytorch torchvision torchaudio cpuonly -c pytorch问题2运行代码时提示ImportError: libGL.so.1: cannot open shared object file。原因OpenCV的GUI组件依赖的系统库在纯服务器环境如一些Docker容器或云主机中缺失。解决安装缺失的系统库或者使用不带GUI的OpenCV。对于只想保存结果图片的情况可以避免使用cv2.imshow。# Ubuntu/Debian系统 sudo apt-get update sudo apt-get install libgl1-mesa-glx在代码中用results[0].save(‘output.jpg’)代替results[0].show()和cv2.imshow。6.2 模型推理与结果问题问题3检测结果框太多、太乱同一个物体被重复框了好几次。原因非极大值抑制NMS的阈值可能不合适或者置信度阈值太低。解决调整推理时的iou和conf参数。# 提高置信度阈值只显示更有把握的检测 results model(‘image.jpg’, conf0.5) # 提高NMS的IoU阈值让重叠框的合并更“严格” results model(‘image.jpg’, iou0.7) # 通常两者结合使用 results model(‘image.jpg’, conf0.5, iou0.45)问题4在视频检测中帧率FPS非常低画面卡顿。原因模型太大如使用了yolov8x.pt或在CPU上运行。解决换小模型首先尝试yolov8n.pt或yolov8s.pt。检查GPU确认PyTorch是否真的在使用GPU。import torch print(torch.cuda.is_available()) # 输出应为 True print(torch.cuda.get_device_name(0)) # 打印你的GPU型号在推理时数据会自动放在GPU上。如果上述命令返回False说明你在用CPU运行。优化推理对于视频流可以尝试跳帧处理或者降低推理图像的分辨率。results model(frame, imgsz320) # 将输入图像缩放到320x320速度会提升精度略有下降问题5我想检测的物体比如某种特定的仪器、商标不在预训练模型的80个COCO类别里所以检测不出来。原因预训练模型的知识是有限的。COCO数据集只包含了80类常见物体。解决这是完全正常且普遍的情况。解决方案就是使用你自己的数据训练一个定制化的YOLO模型。这正是我们下一阶段学习的核心内容。你需要收集包含目标物体的图片进行标注生成YOLO格式的txt文件然后用model.train()方法开始训练。6.3 工具与使用技巧问题6如何将检测结果框的位置、类别保存到文本文件或JSON文件用于后续分析解决results对象提供了方便的方法。from ultralytics import YOLO import json model YOLO(‘yolov8n.pt’) results model(‘image.jpg’) # 方法1保存为JSON detections results[0].tojson() # 返回一个JSON字符串 with open(‘detections.json’, ‘w’) as f: f.write(detections) # 方法2手动提取并格式化 result results[0] output_data [] for box in result.boxes: xyxy box.xyxy[0].tolist() conf box.conf[0].item() cls_id int(box.cls[0].item()) cls_name result.names[cls_id] output_data.append({ “class”: cls_name, “confidence”: conf, “bbox”: xyxy }) with open(‘my_detections.json’, ‘w’) as f: json.dump(output_data, f, indent4)问题7在PyCharm中运行代码正常但在终端或命令行中运行同样的脚本就报错。原因PyCharm和终端使用的Python解释器可能不是同一个环境。解决确保你在终端中激活了正确的Conda环境。# 在终端中 conda activate yolo_study python your_script.py可以使用which python命令检查当前终端使用的Python路径是否与PyCharm中设置的一致。走到这里你已经成功完成了YOLO学习的“破冰”阶段。你拥有了一个可以运行YOLO v8的独立环境理解了如何加载模型、对图片和视频进行推理、解读检测结果并且知道了如何根据需求选择不同的模型变体。更重要的是你具备了排查常见环境问题和推理问题的能力。这个过程看似简单但却是所有后续工作的基石。在接下来的笔记中我们将进入更核心的阶段准备自己的数据并让YOLO学会识别你关心的特定物体。你会发现从“使用模型”到“创造模型”这一步的跨越才是深度学习实践中最有成就感的部分。 YOLO目标检测入门：从环境配置到实时推理的实践指南
1. 从“Hello World”到“Hello YOLO”一个目标检测新手的破冰之旅第一次接触YOLO这个名字是在一个计算机视觉项目的需求讨论会上。同事指着屏幕上实时跳动、精准框出人、车、路标的视频流说“看这就是YOLO的效果。”那一刻的感觉很奇妙你明知道这背后是复杂的数学和代码但它呈现出来的却是一种近乎直觉的“所见即所得”——You Only Look Once。对于很多像我一样从传统图像处理转向深度学习或者刚踏入AI应用开发领域的朋友来说YOLO往往是我们目标检测实践路上的第一个“大项目”。它不像一些学术模型那样高高在上有着丰富的社区资源、清晰的实现路径以及从科研到落地的完整生态。这份学习笔记就记录了我从零开始把YOLO从论文里的概念变成自己电脑里一个能跑起来的、真正能识别物体的程序的全过程。无论你是想用YOLO做毕业设计为工业质检寻找方案还是单纯对AI如何“看懂”世界感到好奇希望这篇聚焦于环境配置、基础原理感知和第一个检测程序运行的笔记能帮你绕开我当初踩过的那些坑顺利敲开目标检测的大门。2. 项目整体设计与学习路径规划目标检测的学习尤其是像YOLO这样的端到端框架很容易让人陷入两个极端要么一头扎进复杂的理论公式在反向传播和损失函数里迷失要么只想当个“调包侠”对着教程复制粘贴命令结果报错时一头雾水。我的核心思路是**“先跑通再读懂后优化”**。这意味着我们的首要目标不是深究YOLO v8的CIoU损失函数比v5的GIoU好在哪里而是先在自己的机器上搭建一个能稳定运行YOLO模型的环境并成功对一张图片或一段视频执行检测看到那个令人兴奋的 bounding box 弹出来。这个过程本身会倒逼你去理解一些关键概念比如模型权重、置信度阈值、非极大值抑制NMS等为后续的深入打下坚实的感性基础。为什么选择从YOLO v8入手在2024年的当下Ultralytics公司维护的YOLO v8是一个平衡了先进性、易用性和社区活跃度的绝佳选择。相比早期的v3、v5v8在模型结构上做了精简和优化文档非常清晰并且其统一的API设计让执行检测、分割、姿态估计等任务变得异常简单。更重要的是它的生态极其友好从安装、推理到训练、部署都有近乎“一键式”的脚本支持。这对于初学者建立信心至关重要。我们不需要在环境依赖的泥潭里挣扎太久就能快速获得正反馈看到AI工作的成果。整个学习路径我将其分为四个阶段本笔记主要涵盖第一阶段环境奠基与“开箱即用”配置Python、PyTorch环境安装YOLO库使用官方预训练模型进行首次推理。数据驱动与模型驯化学习准备自定义数据集标注、格式转换并用自己的数据训练一个专属的YOLO模型。原理深入与性能调优结合代码剖析YOLO的网络结构、损失函数和训练技巧学习如何评估模型性能并进行优化。工程落地与拓展应用探索模型导出ONNX, TensorRT、部署到不同平台Web, 移动端, 边缘设备以及与其他工具链如SAHI处理小目标的集成。3. 核心工具选型与环境配置详解工欲善其事必先利其器。一个干净、隔离且版本匹配的Python环境是避免无数诡异报错的前提。我强烈建议使用Conda或Venv进行环境管理。3.1 Python与PyTorch环境搭建我选择Python 3.8~3.10这个兼容性较好的区间。PyTorch的安装需要访问其官网根据你的CUDA版本如果你有NVIDIA显卡并打算利用GPU加速或选择CPU版本进行安装。这一步是第一个小门槛。# 创建一个新的conda环境以3.9为例 conda create -n yolo_study python3.9 conda activate yolo_study # 安装PyTorch以CUDA 11.8为例请务必去官网核对最新命令 pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118注意CUDA版本、PyTorch版本、显卡驱动版本三者必须兼容。如果你没有NVIDIA显卡或者驱动安装复杂强烈建议在第一步先使用CPU版本。命令为pip install torch torchvision torchaudio。CPU版本虽然推理速度慢但能确保环境快速就绪不影响你对整个流程的理解。速度问题可以在后续有GPU环境时再解决。3.2 Ultralytics YOLO库安装这是最简单的一步。Ultralytics将YOLO v8封装成了一个极其易用的Python包。pip install ultralytics安装完成后可以在Python中尝试导入ultralytics包来验证。这个库会自动处理许多底层依赖如OpenCV、Pillow等。3.3 集成开发环境IDE选择与配置对于初学者PyCharm或VS Code都是优秀的选择。我个人偏好VS Code因为它轻量且插件生态丰富。关键是要配置好Python解释器路径指向我们刚刚创建的yolo_studyConda环境。在VS Code中按CtrlShiftP输入 “Python: Select Interpreter”。选择路径类似于../anaconda3/envs/yolo_study/bin/python的解释器。创建一个新的Python文件例如first_detection.py就可以开始编码了。实操心得在VS Code中建议安装Python和Pylance扩展。它会提供代码补全、语法高亮和类型检查对于探索陌生的YOLO API非常有帮助。例如当你输入YOLO(时它会提示你需要的参数。4. 首次推理让YOLO“看见”你的世界环境准备好后最激动人心的时刻来了用不到10行代码让YOLO开始工作。4.1 加载预训练模型与执行图片检测Ultralytics的API设计非常直观。我们使用YOLO类来加载模型模型权重文件会在第一次运行时自动从云端下载。from ultralytics import YOLO import cv2 # 加载一个预训练模型yolov8n.pt 是轻量级的纳米模型适合快速验证 model YOLO(yolov8n.pt) # 对一张图片进行推理 results model(path/to/your/image.jpg) # 替换成你的图片路径 # 可视化结果并保存 results[0].show() # 使用默认图片查看器显示 results[0].save(output.jpg) # 保存带检测框的图片 # 也可以使用OpenCV来显示便于集成到其他程序中 annotated_frame results[0].plot() # 返回绘制了框的BGR图像数组 cv2.imshow(YOLO Detection, annotated_frame) cv2.waitKey(0) cv2.destroyAllWindows()运行这段代码你会看到程序首先下载一个几十兆的yolov8n.pt文件然后对指定图片进行分析最后弹出窗口图片中的物体人、椅子、杯子等都被不同颜色的矩形框框出并打上了标签和置信度。4.2 关键参数解析与初探结果第一次运行成功后我们来看看results对象里有什么。这是理解YOLO输出的关键。# 承接上面的代码检查第一个结果因为可能对多张图片进行批量推理 result results[0] # 打印结果的基本信息 print(f检测到的物体数量: {len(result.boxes)}) # 遍历所有检测框 for box in result.boxes: # 获取框的坐标 (xyxy格式: 左上角x, 左上角y, 右下角x, 右下角y) xyxy box.xyxy[0].tolist() # 获取置信度 conf box.conf[0].item() # 获取类别ID和名称 cls_id int(box.cls[0].item()) cls_name result.names[cls_id] print(f物体: {cls_name}, 置信度: {conf:.2f}, 位置: {xyxy})这段代码揭示了YOLO检测结果的核心数据结构boxes属性包含了所有检测框的信息。每个框都有坐标、置信度和类别。names是一个字典将类别ID映射到可读的字符串如 ‘person’ ‘car’。注意事项model(‘image.jpg’)这个调用背后默认使用了一系列预处理缩放、归一化和后处理非极大值抑制 NMS。你可以通过传入参数来调整这些行为例如model(‘image.jpg’, conf0.25, iou0.45)来调整置信度阈值和NMS的IoU阈值。对于初次尝试建议先使用默认值等看到结果后再尝试调整观察变化。4.3 从图片到视频实时检测初体验图片检测成功了视频流检测只是简单的扩展。这能让你立刻感受到YOLO的“实时”魅力。from ultralytics import YOLO import cv2 model YOLO(yolov8n.pt) # 打开摄像头0通常是默认摄像头 cap cv2.VideoCapture(0) while cap.isOpened(): success, frame cap.read() if not success: break # 在每一帧上运行YOLO推理 results model(frame, verboseFalse) # verboseFalse 关闭控制台日志更清爽 # 在帧上绘制检测结果 annotated_frame results[0].plot() # 显示结果 cv2.imshow(YOLO Real-Time Detection, annotated_frame) # 按‘q’退出 if cv2.waitKey(1) 0xFF ord(q): break cap.release() cv2.destroyAllWindows()运行这段代码你的摄像头将会打开YOLO会实时分析画面并框出其中的物体。即使是在CPU上运行yolov8n模型通常也能达到每秒数帧的速度足以让你体验实时交互的感觉。5. 深入模型家族选择适合你的YOLO变体第一次成功运行后你可能会想yolov8n.pt里的 ‘n’ 代表什么为什么还有 ‘s’ ‘m’ ‘l’ ‘x’这是YOLO模型家族的尺寸缩放策略旨在平衡速度和精度。5.1 模型尺寸与性能权衡Ultralytics提供了从纳米Nano到超大Extra Large五种规模的预训练模型模型后缀代表含义参数量约速度CPU上相对精度COCO mAP 约适用场景nNano~3M最快较低移动端、嵌入式设备、对实时性要求极高的场景sSmall~11M很快中等通用实时检测的起点平衡之选mMedium~26M中等较好对精度有要求同时希望保持一定速度的服务端lLarge~44M较慢高服务器端应用追求高精度xExtra Large~68M最慢最高学术研究、竞赛或对精度有极致要求的离线分析在代码中你只需更改模型字符串即可切换model YOLO(yolov8s.pt) # 使用小模型 # model YOLO(yolov8m.pt) # 使用中模型5.2 任务类型扩展检测、分割与姿态估计YOLO v8 不止能做目标检测Object Detection。同一个架构通过加载不同的预训练权重可以完成实例分割Instance Segmentation和姿态估计Pose Estimation。目标检测就是我们刚才做的输出 bounding box 和类别。yolov8n.pt实例分割在检测的基础上为每个物体输出一个像素级的掩膜mask。yolov8n-seg.pt姿态估计检测人体的关键点如头、肩、肘、腕等。yolov8n-pose.pt# 实例分割示例 seg_model YOLO(yolov8n-seg.pt) seg_results seg_model(path/to/image.jpg) seg_results[0].show() # 显示时物体会被彩色掩膜覆盖 # 姿态估计示例 pose_model YOLO(yolov8n-pose.pt) pose_results pose_model(path/to/image.jpg) pose_results[0].show() # 显示时人体上会画出骨骼关键点实操心得对于初学者建议从目标检测开始把流程完全跑通。分割和姿态估计的模型更大后处理也更复杂一些。但了解它们的存在非常重要这意味着当你未来的项目需要更精细的分析如抠出物体、分析人体动作时你知道可以直接在YOLO生态内寻找解决方案而不必切换到一个完全陌生的框架。6. 常见问题与排查技巧实录第一次配置和运行几乎一定会遇到问题。下面是我总结的一些典型“坑位”和解决方法。6.1 环境与依赖问题问题1安装ultralytics或torch时网络超时或速度极慢。原因PyPI源或PyTorch源在国外。解决为pip更换国内镜像源。对于PyTorch可以使用清华源安装CPU版本或通过 conda 安装conda 源有时更快。# 临时使用镜像源安装ultralytics pip install ultralytics -i https://pypi.tuna.tsinghua.edu.cn/simple # 使用conda安装PyTorch (CPU版本) conda install pytorch torchvision torchaudio cpuonly -c pytorch问题2运行代码时提示ImportError: libGL.so.1: cannot open shared object file。原因OpenCV的GUI组件依赖的系统库在纯服务器环境如一些Docker容器或云主机中缺失。解决安装缺失的系统库或者使用不带GUI的OpenCV。对于只想保存结果图片的情况可以避免使用cv2.imshow。# Ubuntu/Debian系统 sudo apt-get update sudo apt-get install libgl1-mesa-glx在代码中用results[0].save(‘output.jpg’)代替results[0].show()和cv2.imshow。6.2 模型推理与结果问题问题3检测结果框太多、太乱同一个物体被重复框了好几次。原因非极大值抑制NMS的阈值可能不合适或者置信度阈值太低。解决调整推理时的iou和conf参数。# 提高置信度阈值只显示更有把握的检测 results model(‘image.jpg’, conf0.5) # 提高NMS的IoU阈值让重叠框的合并更“严格” results model(‘image.jpg’, iou0.7) # 通常两者结合使用 results model(‘image.jpg’, conf0.5, iou0.45)问题4在视频检测中帧率FPS非常低画面卡顿。原因模型太大如使用了yolov8x.pt或在CPU上运行。解决换小模型首先尝试yolov8n.pt或yolov8s.pt。检查GPU确认PyTorch是否真的在使用GPU。import torch print(torch.cuda.is_available()) # 输出应为 True print(torch.cuda.get_device_name(0)) # 打印你的GPU型号在推理时数据会自动放在GPU上。如果上述命令返回False说明你在用CPU运行。优化推理对于视频流可以尝试跳帧处理或者降低推理图像的分辨率。results model(frame, imgsz320) # 将输入图像缩放到320x320速度会提升精度略有下降问题5我想检测的物体比如某种特定的仪器、商标不在预训练模型的80个COCO类别里所以检测不出来。原因预训练模型的知识是有限的。COCO数据集只包含了80类常见物体。解决这是完全正常且普遍的情况。解决方案就是使用你自己的数据训练一个定制化的YOLO模型。这正是我们下一阶段学习的核心内容。你需要收集包含目标物体的图片进行标注生成YOLO格式的txt文件然后用model.train()方法开始训练。6.3 工具与使用技巧问题6如何将检测结果框的位置、类别保存到文本文件或JSON文件用于后续分析解决results对象提供了方便的方法。from ultralytics import YOLO import json model YOLO(‘yolov8n.pt’) results model(‘image.jpg’) # 方法1保存为JSON detections results[0].tojson() # 返回一个JSON字符串 with open(‘detections.json’, ‘w’) as f: f.write(detections) # 方法2手动提取并格式化 result results[0] output_data [] for box in result.boxes: xyxy box.xyxy[0].tolist() conf box.conf[0].item() cls_id int(box.cls[0].item()) cls_name result.names[cls_id] output_data.append({ “class”: cls_name, “confidence”: conf, “bbox”: xyxy }) with open(‘my_detections.json’, ‘w’) as f: json.dump(output_data, f, indent4)问题7在PyCharm中运行代码正常但在终端或命令行中运行同样的脚本就报错。原因PyCharm和终端使用的Python解释器可能不是同一个环境。解决确保你在终端中激活了正确的Conda环境。# 在终端中 conda activate yolo_study python your_script.py可以使用which python命令检查当前终端使用的Python路径是否与PyCharm中设置的一致。走到这里你已经成功完成了YOLO学习的“破冰”阶段。你拥有了一个可以运行YOLO v8的独立环境理解了如何加载模型、对图片和视频进行推理、解读检测结果并且知道了如何根据需求选择不同的模型变体。更重要的是你具备了排查常见环境问题和推理问题的能力。这个过程看似简单但却是所有后续工作的基石。在接下来的笔记中我们将进入更核心的阶段准备自己的数据并让YOLO学会识别你关心的特定物体。你会发现从“使用模型”到“创造模型”这一步的跨越才是深度学习实践中最有成就感的部分。