YOLOv8で物体検出を行ってみました。
YOLOの最新版であるYOLOv8には日本語のドキュメントもあります。
ドキュメントとGoogle Colaboratoryのノートブックを読みながらYOLOv8を実行してみました。
物体検出
Google Colaboratoryにて実行しました。
ランタイム->ランタイムのタイプを変更->T4 GPUを選択
from google.colab import drive
drive.mount('/content/drive')
!mkdir "/content/drive/MyDrive/yolov8"
%pip install ultralytics
import ultralytics
ultralytics.checks()
物体検出（結果はyolov8/runs/detectに保存される）
%cd "/content/drive/MyDrive/yolov8"
!yolo predict model=yolov8n.pt source='https://ultralytics.com/images/zidane.jpg'
この画像が出力されました。
学習＆物体検出
次に、COCO128データセットを用いて、事前学習済みモデルの学習を行いました。
学習（結果はyolov8/runs/detectに保存される）
%cd "/content/drive/MyDrive/yolov8"
!yolo train data=coco128.yaml model=yolov8n.pt epochs=100 imgsz=640
学習結果を用いて、もう一度物体検出を行います。
%cd "/content/drive/MyDrive/yolov8"
!yolo predict model="/content/drive/MyDrive/yolov8/runs/detect/train/weights/best.pt" source='https://ultralytics.com/images/zidane.jpg'
この画像が出力されました。
学習前に比べて、スコアが上がったことがわかります。
実際に、車両のスペアパーツ検出、サッカー選手検出、人の転倒検出に応用できるということで、YOLOv8が実用的なツールであることがわかりました。