YOLOv8目标检测实战：训练自己的数据集

Ultralytics YOLOv8 基于先前 YOLO 版本的成功，引入了新功能和改进，进一步提升性能和灵活性。YOLOv8 支持目标检测与跟踪、实例分割、图像分类和姿态估计任务。YOLOv8使用PyTorch开发，设计了更高效的具有丰富梯度流的骨干网络和Neck。采用了Anchor-free无锚范式、解耦头、Task Aligned正负样本分配策略和CIoU+DFL损失等前沿技术。 本课程将手把手地教大家使用labelImg标注和使用YOLOv8训练自己的数据集，完成一个多目标检测实战项目，可检测图像和视频中的足球和梅西两个目标类别。 本课程分别在Windows和Ubuntu系统上做项目演示。包括：安装软件环境（Nvidia显卡驱动、cuda和cudnn）、安装YOLOv8、标注自己的数据集、准备自己的数据集（自动划分训练集和验证集）、修改配置文件、训练自己的数据集（合适的命令参数选择）、测试训练出的网络模型和性能统计、YOLOv8 PySide6 GUI可视化界面。 本课程新增加了在阿里云上使用免费算力的项目实战演示流程。