模型介绍

1. YOLOv8

• 定位：Ultralytics 推出的实时目标检测、分割、姿态识别一体化算法，工业界主流轻量化检测模型。
• 核心优势：
  1. 速度与精度平衡，支持检测、实例分割、关键点检测、分类多任务；
  2. 提供 n/s/m/l/x 多尺寸权重，小模型可部署嵌入式设备（Jetson、单片机）；
  3. 推理代码简洁，配套完善训练、部署工具链。
• 典型场景：工业缺陷检测、自动驾驶目标识别、视频监控、无人机目标跟踪。

2. HRNet-18

• 定位：高分辨率网络（High-Resolution Net），主打关键点检测、语义分割，18 代表基础轻量化版本。
• 核心优势：
  1. 全程保持高分辨率特征图，不会反复下采样丢失细节，人体姿态、小物体关键点精度突出；
  2. 多分支并行结构，低分辨率分支补充全局语义，高分辨率分支保留精细空间信息；
  3. HRNet-18 为轻量版本，兼顾精度与算力消耗。
• 典型场景：人体姿态估计、人脸关键点、语义分割、工业零件定位。

补充说明

二者是计算机视觉工程中搭配使用的主流组合：

• YOLOv8 负责目标框选（先找到人 / 物体区域）；
• HRNet-18 负责精细特征提取（在框内做关键点、分割细化），广泛落地于安防、智能制造、机器人视觉项目。