🛠 （截至2024/03/16 12:14:28）本文仍在编辑中，内容可能不完整

YOLO简介

YOLO是计算机视觉中广为人知的目标检测算法模型。由华盛顿大学的约瑟夫-雷德蒙（Joseph Redmon）和阿里-法哈迪（Ali Farhadi）开发。YOLO 于 2015 年推出，因其高速度和高精确度而迅速受到欢迎。

自2015年推出的YOLOv1开始，截至最近推出的YOLOv9，YOLO家族不断壮大。

关于YOLO算法的原理机制，感兴趣可以研读YOLOv1的论文。 具体而不严谨地说，后续版本都是在此原理上的优化改进。虽然版本演进，YOLO算法在不断完善，但是v1版本才是用回归做物体检测的开山之作。 Link: You Only Look Once: Unified, Real-Time Object Detection

历遍各个优化迭代的版本，其中又以YOLOv5最为典型，使用广泛。

下面我们主要介绍v8版本的使用。

Untitled

YOLOv8由ultralytics公司开发，

准备工作

配置开发环境

Conda 是 pip 的替代软件包管理器，也可用于安装。更多详情请访问 Anaconda：https://anaconda.org/conda-forge/ultralytics 。

从个人习惯上说，我喜欢用Anaconda管理配置开发环境。

因此，本文仅介绍由Conda安装的方式。

新建虚拟环境： 启动Anaconda命令行，输入以下命令

conda create --name safehat

因为现在训练安全帽检测的YOLO模型，所以创建一个名为safehat的新虚拟环境，可以将safehat替换为你喜欢的任何名称。

激活虚拟环境：创建完毕后，激活虚拟环境以开始在其中工作。在终端中输入以下命令：

conda activate safehat

安装组件

此时的虚拟环境就是全新干净的环境，接下来就要安装必要的包和各种组件。

Python版本选择3.10.13

conda install python=3.10.13

Pytorch

Untitled

为了训练时能使用CUDA加速（需要硬件支持），此处安装适用于CUDA环境的Pytorch。

conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia

Ultralytics

我们从YOLOv8的官方文档开始，访问ultralytics的网页，可以找到安装教程。

Home

Explore a complete guide to Ultralytics YOLOv8, a high-speed, high-accuracy object detection & image segmentation model. Installation, prediction, training tutorials and more.

# Install the ultralytics package using conda
conda install -c conda-forge ultralytics