YOLOv8模型结果汇总_yolov8s

1. 简述

YOLOv8存在很多模型，比如YOLOv8n、YOLOv8s、YOLOv8m、YOLOv8l、YOLOv8x。之前我交给大家如何训练YOLOv8n（YOLOv8训练自己数据集-CSDN博客），对于其他的几种模型都是一样的，只需要修改train.py中的代码即可，前提是几个权重文件都要在weights文件夹中（没有下载的去YOLOv8训练自己数据集-CSDN博客自行下载）。本文演示四种变体。

from ultralytics import YOLO
 
model = YOLO("weights/yolov8n.pt")
 
results = model.train(data="data.yaml",imgsz=640, epochs=300, batch=16, device=0, workers=4)

这篇文章最主要是给科研狗给出一点数据提示！！！

2.YOLOv8n训练结果

YOLOv8n是速度最快的一个，直接上图。

这里红线处是我的毕业设计检测类别，暂时不对外公开，另外检测精度及推理速度我也抹去了一些。

但是大家可以看到预处理仅花费0.4ms，后处理仅花费1.2ms，推理时间，也就是打码的那里，其实是在10以下。三类准确率都达到90%以上。

下图是损失图

这是PR曲线和准确率曲线，可以看到效果非常好

           

3.YOLOv8s

图中

相对于YOLOv8n，很奇怪啊，后处理竟然小，但推理时间（打码部分）明显大于YOLOv8n，准确率有高有低。但是总体还是优于YOLOv8s

3.YOLOv8l

YOLOv8l和后面的YOLOv8x我都换了显卡，换成了3090，由于上一个显卡官方无故下架。

这里大家要对比看，显卡好一点，所以时间比之前那两个模型时间还要短。但是精度无疑更高

这里给各位放个混淆矩阵吧，当然，类别名字我就去掉了

4.YOLOv8x

这里也是对比看，发现后处理时间明显太长。3.3ms，当然推理时间也变长了。

下面是损失图

5.提示

       我相信大家只要按照我上一篇文章的思路，都可以复现出属于自己的数据结果。但是，如果复现不出的话，可以在评论区留言，“b站演示”，b站搜索：超神了我的王。如果需求量交大，我会在b站专门出一期YOLOv8系列从头到尾的复现视频，当然，从制作数据集开始，以及数据增强，划分等等。下图就是我的uid