【PYTHON-YOLOV8N】关于YOLO的推理训练图片的尺寸
- 一、核心默认尺寸（YOLOv8/YOLOv5/YOLOv7通用）
- 二、尺寸规则（必须遵守）
- 三、不通模型不同尺寸的适用场景
- 四、关键注意事项
- 五、总结
YOLO（尤其是Ultralytics YOLOv8）对输入图片的尺寸没有严格固定值，但有核心的「默认尺寸」「最佳实践」和「尺寸规则」，以下是详细说明：
一、核心默认尺寸（YOLOv8/YOLOv5/YOLOv7通用）
YOLO系列的默认输入尺寸为640×640像素（正方形），这是Ultralytics官方推荐的基础尺寸，对应代码/命令中的参数：
- 推理时：
model.predict(source='img.jpg', imgsz=640) - 训练时：
model.train(data='coco.yaml', imgsz=640)
二、尺寸规则（必须遵守）
尺寸需是32的整数倍
YOLO的网络结构包含多次32倍下采样（如640→320→160→80→40→20→10），输入尺寸必须能被32整除，否则会导致特征图尺寸不匹配，报错或精度下降。
✅ 合法尺寸：320、416、640、800、960、1280（常用）
❌ 非法尺寸：600、700、801（无法被32整除）支持非正方形尺寸（YOLOv8+）
YOLOv8及后续版本支持「矩形推理/训练」（非正方形），只需保证宽高均为32的整数倍即可，例如：- 480×640（适配手机竖屏图）
- 800×1280（适配宽屏图）
命令示例：model.predict(imgsz=[480, 640])（[高, 宽]）
三、不通模型不同尺寸的适用场景
|
| 模型类型 | 具体型号 | 核心特性 | 适用图片大小（imgsz） | 适用场景 | 速度/精度特点（CPU/单卡GPU） | 参数量(M) | FLOPs(G) |
|---|---|---|---|---|---|---|---|
| 基础检测模型 | YOLOv8n (nano) | 极致轻量化，网络深度/宽度最小，推理最快 | 320×320、416×416（推荐）；≤640×640 | 移动端/嵌入式设备（如树莓派、手机）、实时性优先的低算力场景（如摄像头实时检测） | GPU：~300 FPS，CPU：~20 FPS；精度最低（mAP50≈65） | 3.2 | 8.7 |
| YOLOv8s (small) | 平衡轻量化与精度，基础版中性价比最高 | 416×416、640×640（推荐）；≤800×800 | 通用场景（如安防监控、普通目标检测）、边缘设备（如工业相机） | GPU：~200 FPS，CPU：~15 FPS；精度中等（mAP50≈72） | 11.2 | 28.6 | |
| YOLOv8m (medium) | 中等规模，深度/宽度提升，精度显著提高 | 640×640（推荐）、800×800；≤960×960 | 中等算力设备（如中端GPU）、精度要求较高的场景（如电商商品检测、交通标识识别） | GPU：~100 FPS，CPU：~8 FPS；精度较高（mAP50≈76） | 25.9 | 78.9 | |
| YOLOv8l (large) | 大规模模型，特征提取能力强 | 800×800、960×960（推荐）；≤1280×1280 | 高算力设备（如RTX 30/40系列GPU）、高精度需求（如工业缺陷检测、医疗影像初筛） | GPU：~50 FPS，CPU：~4 FPS；精度很高（mAP50≈78） | 43.7 | 165.2 | |
| YOLOv8x (extra large) | 超大模型，精度天花板，参数量最大 | 960×960、1280×1280（推荐）；≤1536×1536 | 服务器级GPU、精度优先无实时性要求的场景（如静态图片分析、数据集标注辅助） | GPU：~30 FPS，CPU：~2 FPS；精度最高（mAP50≈79） | 68.2 | 257.8 | |
| 轻量化变体 | YOLOv8n-p2 | 小感受野，适配小尺寸图片（如48×48、96×96） | 48×48、96×96（推荐）；≤320×320 | 小目标检测（如人脸关键点、细小零件检测）、移动端小尺寸图片推理 | 速度比YOLOv8n快10%，精度针对小目标提升5% | 2.8 | 7.5 |
| YOLOv8s-p6 | 多尺度特征融合，适配超大尺寸图片（如1280×1280） | 1280×1280（推荐）、1536×1536；≤2048×2048 | 远距离目标检测（如无人机航拍、安防远距离监控） | 速度比YOLOv8s慢15%，大目标精度提升8% | 12.5 | 35.2 | |
| 实例分割模型 | YOLOv8n-seg | 轻量化分割，检测+分割二合一 | 320×320、416×416（推荐）；≤640×640 | 移动端分割场景（如简单场景抠图、实时语义分割） | GPU：~250 FPS，CPU：~15 FPS；分割精度基础级 | 3.4 | 10.1 |
| YOLOv8s-seg | 平衡分割精度与速度 | 416×416、640×640（推荐）；≤800×800 | 通用分割场景（如路面分割、商品轮廓提取） | GPU：~180 FPS，CPU：~12 FPS；分割精度中等 | 11.8 | 31.4 | |
| YOLOv8m-seg | 中等分割精度 | 640×640（推荐）、800×800；≤960×960 | 工业分割（如零件轮廓检测、缺陷区域分割） | GPU：~80 FPS，CPU：~6 FPS；分割精度较高 | 27.2 | 85.3 | |
| YOLOv8l-seg | 高精度分割 | 800×800、960×960（推荐）；≤1280×1280 | 医疗影像分割（如器官轮廓）、高精度工业质检 | GPU：~40 FPS，CPU：~3 FPS；分割精度很高 | 45.8 | 176.5 | |
| YOLOv8x-seg | 分割精度天花板 | 960×960、1280×1280（推荐）；≤1536×1536 | 科研级分割任务、复杂场景分割（如遥感影像分割） | GPU：~25 FPS，CPU：~1 FPS；分割精度最高 | 70.8 | 275.6 | |
| 姿态估计模型 | YOLOv8n-pose | 轻量化姿态估计，检测人体关键点 | 320×320、480×480（推荐）；≤640×640 | 移动端人体姿态识别（如健身动作检测、简单行为分析） | GPU：~280 FPS，CPU：~18 FPS；关键点检测精度基础级 | 3.3 | 9.2 |
| YOLOv8s-pose | 平衡姿态精度与速度 | 480×480、640×640（推荐）；≤800×800 | 通用姿态检测（如监控人体行为、舞蹈动作分析） | GPU：~190 FPS，CPU：~14 FPS；关键点检测精度中等 | 11.5 | 30.1 | |
| YOLOv8m-pose | 中等姿态精度 | 640×640（推荐）、800×800；≤960×960 | 工业姿态检测（如工人操作规范识别） | GPU：~90 FPS，CPU：~7 FPS；关键点检测精度较高 | 26.5 | 82.4 | |
| YOLOv8l-pose | 高精度姿态估计 | 800×800、960×960（推荐）；≤1280×1280 | 医疗姿态分析（如康复动作检测）、高精度行为识别 | GPU：~45 FPS，CPU：~3 FPS；关键点检测精度很高 | 44.9 | 172.1 | |
| YOLOv8x-pose | 姿态估计精度天花板 | 960×960、1280×1280（推荐）；≤1536×1536 | 科研级姿态分析、复杂行为识别（如体育动作拆解） | GPU：~28 FPS，CPU：~2 FPS；关键点检测精度最高 | 69.5 | 268.9 | |
| 分类模型 | YOLOv8n-cls | 轻量化图像分类 | 224×224、320×320（推荐）；≤416×416 | 移动端图片分类（如相册分类、简单物品识别） | GPU：~350 FPS，CPU：~25 FPS；分类精度基础级 | 2.7 | 6.4 |
| YOLOv8s-cls | 平衡分类精度与速度 | 224×224、416×416（推荐）；≤640×640 | 通用分类场景（如商品分类、场景识别） | GPU：~220 FPS，CPU：~18 FPS；分类精度中等 | 9.8 | 21.5 | |
| YOLOv8m-cls | 中等分类精度 | 224×224、640×640（推荐）；≤800×800 | 工业分类（如产品外观分类、物料识别） | GPU：~110 FPS，CPU：~9 FPS；分类精度较高 | 22.9 | 60.3 | |
| YOLOv8l-cls | 高精度分类 | 224×224、800×800（推荐）；≤960×960 | 医疗图像分类（如病灶分类）、复杂场景分类 | GPU：~55 FPS，CPU：~5 FPS；分类精度很高 | 37.4 | 128.8 | |
| YOLOv8x-cls | 分类精度天花板 | 224×224、960×960（推荐）；≤1280×1280 | 科研级分类任务、大规模数据集分类 | GPU：~35 FPS，CPU：~3 FPS；分类精度最高 | 56.8 | 207.5 |
四、关键注意事项
训练与推理尺寸需一致
若训练时用imgsz=800，推理时也必须用800（或同比例的32倍数），否则会导致检测精度大幅下降。自动缩放与填充
YOLO会自动将输入图片缩放到指定imgsz，并对不足的区域填充黑边（letterbox），无需手动裁剪/缩放图片：- 例：输入一张1920×1080的图片，指定
imgsz=640，会先按比例缩放到640×360，再在上下填充140像素黑边，最终得到640×640。
- 例：输入一张1920×1080的图片，指定
自定义尺寸的设置方法
- 命令行：
yolo detect predict imgsz=800 source='img.jpg' - Python代码：
fromultralyticsimportYOLO model=YOLO('yolov8n.pt')# 正方形尺寸results=model.predict('img.jpg',imgsz=800)# 非正方形尺寸（高×宽）results=model.predict('img.jpg',imgsz=[480,640])
- 命令行：
小目标检测的特殊优化
若检测小目标，除了增大尺寸（如800/960），还可配合imgsz+hyp（超参数）调整，或使用YOLOv8的-s小模型（如yolov8s.pt）+大尺寸。
五、总结
- 新手/通用场景：直接用默认640×640；
- 低算力设备（如树莓派、手机）：320×320或416×416；
- 小目标/高精度需求：800×800或960×960；
- 所有尺寸必须是32的整数倍，训练和推理尺寸保持一致。
- 分类模型默认适配224×224（经典分类网络输入尺寸），也支持更大尺寸；
