YOLOv8
YOLOv8是由Ultralytics发布的计算机视觉深度学习模型框架，属于YOLO（You Only Look Once）系列的第八代版本。该框架支持目标检测、实例分割、图像分类、姿态估计等多种视觉任务，采用anchor-free检测头设计，具有高推理速度与较高精度的平衡特性，适用于边缘设备部署及实时场景应用，并提供统一的Python API与命令行工具。
核心事实
时间轴 (近 90 天)
YOLOv8 提供 n/s/m/l/x 不同规格，可在精度与速度间做平衡
PyTorch 通过 torch.cuda.is_available() 可检测环境是否支持 CUDA，YOLOv8 的 Ultralytics 框架封装了设备自动选择逻辑
一位开发者在 Reddit 上分享了基于 Python、YOLOv8 和 OpenCV 构建的实时目标检测系统
Supervision 设计为与具体推理框架无关，可将 YOLOv8、Detectron2 或云端 API 的结果转换为标准数据结构 Detections 再统一调用后处理工具
YOLO系列自2016年发布以来，以单阶段、实时性强著称，已发展出YOLOv8、YOLO-World等分支
Jetson Orin Nano支持运行YOLOv8等实时目标检测模型
一位开发者在Reddit上反映使用YOLOv8配合BOT-SORT进行CCTV人员与车辆追踪时频繁遇到轨迹断裂问题
当前主流的YOLO版本包括YOLOv8和YOLOv11，由Ultralytics维护
YOLOv8和YOLOv11是当前主流的YOLO版本，由Ultralytics维护，能在消费级GPU上以超过30 FPS的速度处理视频流。
YOLOv5和YOLOv8都提供从nano(n)到extra-large(x)的多个规模变体
还有 1 条时间轴事件
全部知识事实 (13)
YOLOv8是由Ultralytics于2023年发布的版本
70%已验证YOLOv8在架构上引入了无锚点（Anchor-Free）检测头和C2f模块
65%待验证该流水线中YOLOv8的训练本质上是迁移学习，基于在COCO等大规模数据集上预训练的yolov8.pt模型进行微调
90%待验证YOLOv8 提供 n/s/m/l/x 不同规格，可在精度与速度间做平衡
50%待验证PyTorch 通过 torch.cuda.is_available() 可检测环境是否支持 CUDA，YOLOv8 的 Ultralytics 框架封装了设备自动选择逻辑
50%待验证Supervision 设计为与具体推理框架无关，可将 YOLOv8、Detectron2 或云端 API 的结果转换为标准数据结构 Detections 再统一调用后处理工具
50%待验证YOLO系列自2016年发布以来，以单阶段、实时性强著称，已发展出YOLOv8、YOLO-World等分支
50%待验证Jetson Orin Nano支持运行YOLOv8等实时目标检测模型
50%待验证当前主流的YOLO版本包括YOLOv8和YOLOv11，由Ultralytics维护
50%待验证YOLOv8和YOLOv11是当前主流的YOLO版本，由Ultralytics维护，能在消费级GPU上以超过30 FPS的速度处理视频流。
50%待验证YOLOv5和YOLOv8都提供从nano(n)到extra-large(x)的多个规模变体
50%待验证对处理高分辨率视频流、运行较大模型（YOLOv8m/l）或要求30 FPS以上实时检测的项目，Jetson Nano会成为明显瓶颈
50%待验证YOLOv8 采用无锚框（Anchor-Free）检测头设计，简化了训练流程并提升了小目标检测能力
50%