Yolo8出來一段時間了，包含了目標檢測、實例分割、人體姿態預測、旋轉目標檢測、圖像分類等功能，所以想花點時間總結記錄一下這幾個功能的使用方法和自定義數據集需要注意的一些問題，本篇是第二篇，目標檢測功能，自定義數據集的訓練。

YOLO(You Only Look Once）是一種流行的物體檢測和圖像分割模型，由華盛頓大學的約瑟夫-雷德蒙（Joseph Redmon）和阿里-法哈迪（Ali Farhadi）開發。YOLO 于 2015 年推出，因其高速度和高精確度而迅速受到歡迎。

2016 年發布的YOLOv2 通過納入批量歸一化、錨框和維度集群改進了原始模型。

2018 年推出的YOLOv3 使用更高效的骨干網絡、多錨和空間金字塔池進一步增強了模型的性能。

YOLOv4于 2020 年發布，引入了 Mosaic 數據增強、新的無錨檢測頭和新的損失函數等創新技術。

YOLOv5進一步提高了模型的性能，并增加了超參數優化、集成實驗跟蹤和自動導出為常用導出格式等新功能。

YOLOv6于 2022 年由美團開源，目前已用于該公司的許多自主配送機器人。

YOLOv7增加了額外的任務，如 COCO 關鍵點數據集的姿勢估計。

YOLOv8是YOLO 的最新版本，由Ultralytics 提供。YOLOv8 YOLOv8