avatar

Ryan-Hong's Tech Blog

Stay Humble

  • 首页
  • 分类
  • 技术栈
  • 知识库
Home YOLO
文章

YOLO

Posted recently Updated recently
By Administrator
1~1 min read

YOLO的优势与特点:按照每帧来检测目标(1s=60帧)

| 模型 | 参数量 | 显存占用 | 推理速度 | 精度(mAP) | 推荐用途 |

| ----------- | ----- | ---- | ---- | ------- | ---------------- |

| yolov8n | 3.2M | 最低 | 最快 | 较低 | 超轻量级,快速验证,移动设备 |

| yolov8s | 11.2M | 低 | 很快 | 一般 | 小型模型,训练较快,适合中小数据 |

| yolov8m | 25.9M | 中 | 中 | 较好 | 平衡性能和精度,适合中等数据 |

| yolov8l | 43.7M | 高 | 稍慢 | 高 | 需要较好显卡,适合高精度场景 |

| yolov8x | 68.2M | 很高 | 慢 | 最高 | 数据量大/工业部署时考虑 |

知识库
目标检测
License:  CC BY 4.0
Share

Further Reading

Aug 8, 2025

COCO数据集转YOLO数据集

p

Aug 8, 2025

YOLOv8-USE

模型预加载 from ultralytics import YOLO 导包 a1=YOLO(r'/Users/ryan-hong/Desktop/OD_lowf/yolov8n.pt') 加载模型 ### 使用模型 ``` a1('0000042_01000_d_0000074.jpg',show=

Aug 8, 2025

YOLOv8-Indicator

指标 训练过程指标 | 指标 | 说明 | | ---------- | ------------------------------ | | box_loss | 边界框回归损失(越小越好) | | cls_loss | 分类损失(越小越好) | | dfl_loss | 置信度损失(Distri

OLDER

For zsh修改 PATH 环境变量

NEWER

conda常用命令

Recently Updated

  • COCO数据集转YOLO数据集
  • YOLOv8-USE
  • YOLOv8-Indicator
  • YOLOv8-TRAIN
  • conda常用命令

Trending Tags

thesis 色彩 NLP 目标检测 Typora Java Linux 数据分析 pandas MacOS

Contents

©2025 Ryan-Hong's Tech Blog. Some rights reserved.

Using the Halo theme Chirpy