Scopri Ultralytics YOLOv8#

Panoramica#

YOLOv8 è stato rilasciato da Ultralytics il 10 gennaio 2023, offrendo prestazioni all'avanguardia in termini di precisione e velocità. Basandosi sui progressi delle versioni precedenti di YOLO, YOLOv8 ha introdotto nuove funzionalità e ottimizzazioni che lo rendono la scelta ideale per diverse attività di rilevamento degli oggetti in un'ampia gamma di applicazioni.

Caratteristiche principali di YOLOv8#

• Architetture avanzate di backbone e neck: YOLOv8 utilizza architetture di backbone e neck all'avanguardia, con conseguenti miglioramenti nelle prestazioni di estrazione delle caratteristiche e rilevamento degli oggetti.
• Head Ultralytics split senza anchor: YOLOv8 adotta una head Ultralytics split senza anchor, che contribuisce a una maggiore precisione e a un processo di rilevamento più efficiente rispetto agli approcci basati su anchor.
• Compromesso ottimizzato tra precisione e velocità: Puntando a mantenere un equilibrio ottimale tra precisione e velocità, YOLOv8 è adatto alle attività di rilevamento degli oggetti in tempo reale in diversi ambiti applicativi.
• Varietà di modelli pretrained: YOLOv8 offre una gamma di modelli pretrained per soddisfare diverse attività e requisiti prestazionali, semplificando la scelta del modello più adatto al tuo caso d'uso specifico.

Attività e modalità supportate#

La serie YOLOv8 offre un'ampia gamma di modelli, ciascuno specializzato in attività specifiche di computer vision. Questi modelli sono progettati per soddisfare requisiti diversi, dal rilevamento degli oggetti ad attività più complesse come la segmentazione delle istanze, la classificazione, il rilevamento della posa/dei keypoint e il rilevamento degli oggetti orientati.

Ogni variante della serie YOLOv8 è ottimizzata per la relativa attività, garantendo prestazioni e precisione elevate. Inoltre, questi modelli sono compatibili con diverse modalità operative, tra cui Inferenza, Validazione, Addestramento ed Esportazione, facilitandone l'uso nelle diverse fasi di sviluppo e distribuzione.

Questa tabella offre una panoramica delle varianti del modello YOLOv8, evidenziandone l'applicabilità ad attività specifiche e la compatibilità con diverse modalità operative, come Inferenza, Validazione, Addestramento ed Esportazione. Mostra la versatilità e la robustezza della serie YOLOv8, che la rendono adatta a numerose applicazioni di computer vision.

Metriche di prestazione#

Esempi di utilizzo di YOLOv8#

Questo esempio presenta semplici procedure di addestramento e inferenza con YOLOv8. Per la documentazione completa su queste e altre modalità, consulta le pagine della documentazione Predict, Train, Val ed Export.

Nota: l'esempio seguente riguarda i modelli YOLOv8 Detect per il rilevamento degli oggetti. Per le altre attività supportate, consulta la documentazione Segment, Classify, Pose e OBB.

from ultralytics import YOLO

# Carica un modello YOLOv8n pretrained su COCO
model = YOLO("yolov8n.pt")

# Visualizza le informazioni sul modello (facoltativo)
model.info()

# Addestra il modello sul dataset di esempio COCO8 per 100 epoche
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Esegui l'inferenza con il modello YOLOv8n sull'immagine 'bus.jpg'
results = model("path/to/bus.jpg")

Citazioni e ringraziamenti#

Se utilizzi il modello YOLOv8 o qualsiasi altro software di questo repository nel tuo lavoro, citalo usando il seguente formato:

@software{yolov8_ultralytics,
  author = {Glenn Jocher and Ayush Chaurasia and Jing Qiu},
  title = {Ultralytics YOLOv8},
  version = {8.0.0},
  year = {2023},
  url = {https://github.com/ultralytics/ultralytics},
  orcid = {0000-0001-5950-6979, 0000-0002-7603-6750, 0000-0003-3783-7069},
  license = {AGPL-3.0}
}

Il DOI è in attesa e verrà aggiunto alla citazione non appena sarà disponibile. I modelli YOLOv8 sono distribuiti con licenza AGPL-3.0 e Enterprise.

Domande frequenti#