今天给大家分享一套YOLO8的视频教程，《YOLOv8自定义对象检测、实例分割、目标跟踪从训练到部署》，2023年新课，视频+源码+课件+数据下载。

《YOLOv8自定义对象检测、实例分割、目标跟踪从训练到部署》课程详解YOLOv8模型结构从backbone、neck、header、loss层面详解YOLOv8相比YOLOX、YOLOv5、YOLOv6的全面改进与创新。

《《YOLOv8自定义对象检测、实例分割、目标跟踪从训练到部署》》课程完成YOLOv8自定义数据的对象检测，实例分割、自定义对象跟踪，YOLOv8在主流推理平台上部署包括 OpenVINO、ONNXRUNTIME、TensorRT推理代码详解与演示。打通从模型结构理论到工程实践训练部署整个流程。彻底玩转YOLOv8。

章节1：YOLOv8介绍与安装环境测试
章节2：YOLOv8模型结构与源码详解
章节3：YOLOv8自定义对象检测
章节4：YOLOv8自定义实例分割-工业缺陷检测
章节5：YOLOv8自定义对象跟踪
章节6：YOLOv8模型推理部署
章节7：YOLOv8课程总结
源码+课件+数据

安装
YOLOv8有两种安装方式，一种是直接用pip命令安装：
pip install ultralytics

另外一种是通过源码安装：
git clone https://github.com/ultralytics/ultralytics
cd ultralytics
pip install -e '.[dev]'

安装完成后就可以通过yolo命令在命令行进行使用了。

目标检测
使用YOLOv8进行目标检测，可以使用下面的命令：
yolo task=detect mode=predict model=yolov8n.pt source=ultralytics/assets/bus.jpg imgsz=640 show=True save=True

如果模型权重不存在，程序会自动从GitHub中下载。如果对命令行的参数不了解，可以参考官方文档的说明，也可以直接看ultralytics代码仓库中的ultralytics/yolo/cfg/default.yaml文件，里面有所有参数的说明和默认值。

from openvino.runtime import Core
import numpy as np
import cv2, time

from ultralytics.yolo.utils import ROOT, yaml_load
from ultralytics.yolo.utils.checks import check_yaml

MODEL_NAME = "yolov8n-int8"
CLASSES = yaml_load(check_yaml('coco128.yaml'))['names']
colors = np.random.uniform(0, 255, size=(len(CLASSES), 3))