YOLOv8实例分割网络输出

Ultralytics YOLOv8 基于先前 YOLO 版本的成功，引入了新功能和改进，进一步提升性能和灵活性。YOLOv8 支持目标检测与跟踪、实例分割、图像分类和姿态估计任务。

本课程将手把手地教大家使用labelme标注和使用YOLOv8训练自己的数据集，完成一个多目标实例分割实战项目。本课程以汽车驾驶场景图片和视频开展项目实战：对汽车行驶场景中的路坑、车、车道线进行物体标注和实例分割。 

本课程分别在Windows和Ubuntu系统上做项目演示。包括：安装软件环境（Nvidia显卡驱动、cuda和cudnn）、安装PyTorch、安装YOLOv8、使用labelme标注自己的数据集、数据集格式转换、准备自己的数据集、修改配置文件、训练自己的数据集、测试训练出的网络模型和性能统计、YOLOv8 PySide6 GUI可视化界面。 

本课程新增加了在阿里云上使用免费GPU算力的项目实战演示流程。