Python | OpenCV 從分類到偵測 — YOLOv8 系列介紹
📚 前言
在上一篇 與 OpenCV 整合推論 結束後，我們完整走過了一個圖片分類模型從訓練到部署的全流程：
這些章節以「圖片分類」為核心，從原理一路走到實際部署。
但如果你的目標是「在圖片中框出物件的位置並標出類別」，也就是物件偵測，那就是另一回事了。
🔎 圖片分類 vs 物件偵測
圖：圖片分類 vs 物件偵測 ─ 兩者核心差異比較（輸出、問題、標註成本、模型複雜度）
前面章節用 ResNet 做分類，可以判斷「這張圖是貓還是狗」。
但如果想知道「這張圖裡有幾隻貓、分別在哪個位置」，ResNet 就不夠用了，需要物件偵測模型。
💡 為什麼 YOLOv8 值得獨立一個系列
YOLO（You Only Look Once）是目前最主流的即時物件偵測框架，而 YOLOv8 是由 Ultralytics 維護的第八代版本。
把它拉出來獨立成系列，原因有幾個：
訓練方式截然不同
前面章節的分類訓練需要手刻資料集 class、模型結構、訓練迴圈。
YOLOv8 只需準備一個 YAML 設定檔描述資料集路徑與類別，一行指令就能開始訓練：
1 | yolo detect train data=my_dataset.yaml model=yolov8n.pt epochs=50 |
這種極度簡化的 API 背後，是 Ultralytics 整合好的訓練、驗證、早停、日誌、模型儲存等全套機制。
圖：YOLOv8 的兩大核心優勢 ─ 任務支援範圍廣 + 推論與匯出極度方便
前面學的知識仍然有用
前幾章說明的 PyTorch 基礎、遷移學習原理、資料增強、模型評估方式，在 YOLO 的底層都是一樣的概念。
YOLO 系列是站在那些基礎上，學習如何用更高層的工具更快完成物件偵測任務。
📋 YOLO 系列文章架構
圖：YOLOv8 系列文章架構 ─ 建議按順序閱讀的完整學習路徑
接下來的系列會依這個順序展開，建議按順序閱讀：
🔹 YOLOv8 介紹與環境安裝
- 你將學到：YOLOv8 的五種模型規格（n/s/m/l/x）怎麼選、安裝 Ultralytics、驗證環境、用預訓練模型跑第一次推論。
- 這是整個 YOLO 系列的起點，跑通這篇才能接著做資料準備與訓練。
- 📖 詳細說明請參考：YOLOv8 介紹與環境安裝
🔹 YOLOv8 資料集準備
- 你將學到：YOLO 格式的標註檔結構（
.txt）、資料集目錄配置、撰寫dataset.yaml、切分 train/val/test。 - YOLO 的資料格式與前面章節的分類格式完全不同，這篇說明如何正確組織。
- 📖 詳細說明請參考：YOLOv8 資料集準備
🔹 YOLOv8 預標籤（Pre-Label）
- 你將學到：用 COCO 預訓練模型對圖片自動框出初始標註，再用標註工具做人工修正，大幅降低標註工時。
- 完全手動標一張圖需要數十秒，預標籤可以讓這個成本降到只需「確認與微調」。
- 📖 詳細說明請參考：YOLOv8 預標籤（Pre-Label）
🔹 YOLOv8 模型訓練
- 你將學到：
yolo train指令與常用參數（epochs、imgsz、batch）、斷點續訓、用 Python API 訓練、訓練過程中的輸出目錄結構。 - 一行指令就能啟動訓練，但參數設定對結果影響很大，這篇說明各參數的意義。
- 📖 詳細說明請參考：YOLOv8 模型訓練
🔹 YOLOv8 訓練進階設定
- 你將學到：內建資料增強參數的調整時機（Mosaic、fliplr、HSV）、防止過擬合的設定（Early Stopping、weight_decay、dropout），以及整合所有設定的完整訓練範例。
- 這篇是訓練篇的延伸，幫你把「能跑」進化到「訓練得好」。
- 📖 詳細說明請參考：YOLOv8 訓練進階設定
🔹 YOLOv8 訓練結果分析
- 你將學到：讀懂 mAP、Precision、Recall、F1 曲線，解讀混淆矩陣，判斷是否需要補資料或調整參數。
- 訓練完不等於結束，這篇幫你判斷「模型夠不夠好」和「下一步該怎麼做」。
- 📖 詳細說明請參考：YOLOv8 訓練結果分析
🔹 YOLOv8 推論與匯出
- 你將學到：用訓練好的模型對圖片、影片、攝影機進行推論，匯出成 ONNX 接入 OpenCV，或匯出成 TensorRT 部署到 GPU 伺服器。
- 這是整個 YOLO 系列的最後一站，從訓練結果到實際可用的部署格式。
- 📖 詳細說明請參考：YOLOv8 推論與匯出
🔹 YOLOv8 常見問題 Q&A
- 你將學到：新增類別的兩種策略、遷移學習 Fine-tuning 做法、資料量與比例建議、訓練中斷續訓、模型選擇、效果診斷，以及用現有模型做預標籤、公開模型資源下載。
- 整理學完整個 YOLO 流程後最常出現的問題，以 Q&A 形式逐一解答，適合遇到問題時快速查閱。
- 📖 詳細說明請參考：YOLOv8 常見問題 Q&A
🎯 結語
如果前面的分類系列是「學會如何訓練模型的完整思路」，YOLO 系列就是「把這個思路用最有效率的方式實作在物件偵測任務上」。
下一篇是 YOLOv8 介紹與環境安裝，從 Ultralytics 套件的安裝開始，跑通第一次推論。
📖 如在學習過程中遇到疑問，或是想了解更多相關主題，建議回顧一下 Python | OpenCV 系列導讀，掌握完整的章節目錄，方便快速找到你需要的內容。
