在人工智能（AI）领域，最知名的模型之一就是“YOLO”模型系列。
YOLO（You Only Look Once）是一组用于计算机视觉中实时目标检测和分类的流行目标检测模型。
最初由Joseph Redmon、Ali Farhadi和Santosh Divvala开发，YOLO旨在在实时速度下实现高精度的目标检测。该模型系列属于一阶段目标检测模型，可以在卷积神经网络（CNN）的单次前向传递中处理整个图像。
YOLO的关键特点是其单阶段检测方法，旨在实时高精度地检测对象。与两阶段检测模型（如R-CNN）不同，后者首先提出感兴趣区域，然后对这些区域进行分类，YOLO在单次传递中处理整个图像，因此更快速和高效。
来源：Pjreddie。使用YOLO处理图像是简单而直接的。我们的系统（1）将输入图像调整为448×448，（2）在图像上运行单个卷积网络，然后（3）通过模型的置信度对生成的检测结果进行阈值处理。
在本文中，我们将专注于YOLOv8，这是由Ultralytics开发的YOLO系统的最新版本。我们将讨论它从YOLO到YOLOv8的演变、其网络架构、新功能和应用。此外，我们将提供关于如何使用YOLOv8的逐步指南，以及如何使用它来创建Encord Annotate的模型辅助标注。
无论您是经验丰富的机器学习工程师还是刚刚开始，本指南将为您提供开始使用YOLOv8所需的所有知识和工具。
所以，准备好，让我们开始吧！