• 人工智能
• 计算机视觉
• 深度学习

本文以官方 YOLOv8 文档首页（仓库内 docs/index.md）为骨架，结合 yolov8-face 仓库的实际源码，系统讲解 YOLOv8 的项目定位、快速上手路径、YOLO 系列演进脉络与架构革新，并重点落地到"人脸检测 + 人脸关键点（landmark）"这一具体任务：从数据集配置、Pose 头实现到 WIDER FACE 评测，读者读完即可掌握使用该仓库训练、推理与评估人脸关键点模型的全套实战方法。

YOLOv8 是什么：实时检测与分割的统一框架

Ultralytics YOLOv8 是 YOLO 系列的最新版本，官方将其定位为"实时目标检测与图像分割模型"（见 docs/index.md）。它建立在深度学习与计算机视觉领域的最新进展之上，在速度与精度之间做了针对性设计：通过全新骨干网络（backbone）、无锚框解耦检测头（anchor-free split head）与新的损失函数，在保持模型紧凑和推理速度的同时显著提升检测质量。

YOLOv8 的另一个核心特点是强适配性。其流线型设计使其既可以运行在边缘设备（如手机、嵌入式板卡）上，也可以部署到云端 API 服务，覆盖从低成本推理到高吞吐服务的不同硬件平台。

值得一提的是，本仓库 yolov8-face 正是基于这一框架的二次开发：项目描述为 "yolov8 face detection with landmark"，即复用 YOLOv8 的 Pose（关键点）任务范式来实现人脸框 + 5 个人脸关键点（landmark）的联合输出。整个仓库保留了 ultralytics 的完整工程结构（ultralytics/下的 nn、yolo、models 等模块），并额外加入了 WIDER FACE 数据集配置、人脸专用模型定义与评估工具链。

快速上手：官方文档给出的四个核心入口

docs/index.md的 "Where to Start" 章节给出了四个最直接的起点，本文逐一展开并结合仓库内的实际用法说明。

安装：pip 与仓库源码两种方式

官方推荐通过 pip 安装ultralytics包：

pip install ultralytics

pip 会自动安装requirements.txt中列出的全部依赖。对于需要跟随最新代码（或像本仓库一样需要自行改动源码进行二次开发）的场景，则采用克隆源码并执行可编辑安装的方式：

git clone https://github.com/ultralytics/ultralytics cd ultralytics pip install -e .

本仓库 yolov8-face 即属于后一种情况：它是 ultralytics 的完整镜像分支，在其基础上加入了人脸关键点模型与 WIDER FACE 工具链，因此直接在仓库根目录下运行脚本即可，例如仓库根目录的 train.py 和 test_widerface.py。

提示：PyTorch 的安装要求因操作系统和 CUDA 版本而异，建议先按照 PyTorch 官方指引安装匹配的 PyTorch 版本，再安装 ultralytics。

预测：对图像与视频进行推理

YOLOv8 的推理使用yolo predict命令，可对图像、视频、目录甚至在线视频流进行预测。典型用法：

yolo predict model=yolov8n.pt source='bus.jpg' imgsz=640

其中imgsz控制输入尺寸，conf控制置信度阈值。注意 CLI 参数必须使用arg=value的形式，通过空格分隔，不能使用--前缀或逗号。

在本仓库中，单张图片的人脸关键点推理同样通过YOLO类的predict接口完成，见 test_widerface.py 中的核心调用：

model = YOLO('runs/pose/yolov8n-face/weights/best.pt') results = model.predict(source=image_path, imgsz=640, conf=0.01, iou=0.5, device='cpu')

训练：在自定义数据集上训练新模型

官方提供 train 模式用于在自定义数据集上训练模型：

yolo train data=coco128.yaml model=yolov8n.pt epochs=100

epochs、lr0、imgsz、batch等超参数均可通过arg=value直接覆盖默认配置，完整的参数说明见 配置指南。

探索任务：detect / segment / classify / pose / track

YOLOv8 是一个多任务框架，支持检测、分割、分类、姿态估计与跟踪，各任务的详细介绍见 任务总览。本文后续重点展开的 pose（关键点）任务，正是 yolov8-face 人脸 landmark 检测所依赖的任务范式。

YOLO 系列演进简史

docs/index.md中完整梳理了 YOLO 家族的发展脉络，这是理解 YOLOv8 设计动机的背景知识：

• YOLOv2（2016 年发布）：在原始 YOLO 基础上引入批归一化（batch normalization）、锚框（anchor boxes）与维度聚类（dimension clusters），显著改善定位精度与训练稳定性。
• YOLOv3（2018 年发布）：采用更高效的骨干网络、多尺度锚框与空间金字塔池化（SPP），进一步提升了小目标检测能力。
• YOLOv4（2020 年发布）：引入Mosaic 数据增强、新的无锚框检测头与新的损失函数，是当时精度与速度平衡的标杆。
• YOLOv5：在工程化上大幅领先，新增超参数优化、实验跟踪集成以及向多种导出格式的自动转换，成为社区最流行的版本之一。
• YOLOv6（2022 年由美团开源）：被广泛用于美团的自研自动驾驶配送机器人等业务场景。
• YOLOv7：在检测之外新增了基于 COCO keypoints 数据集的姿态估计任务能力。

自发布以来，YOLO 系列已被广泛应用于自动驾驶、安防监控、医学影像等领域，并多次在 COCO 检测挑战赛、DOTA 检测挑战赛等竞赛中获奖。yolov8-face 所在的这一分支则进一步证明：YOLO 的 pose 范式可以被低成本地改造为人脸关键点检测这类垂直任务，这正是"检测框架 → 领域任务"的典型迁移路径。

YOLOv8 的架构革新与多任务、多模式能力

三大核心创新

docs/index.md明确指出 YOLOv8 相对前代的三项关键改进，这也是其在"速度、体积、精度"上取得平衡的根本原因：

1. 全新骨干网络：对特征提取主干进行了重构，在相同计算预算下获得更强的特征表达能力；
2. 无锚框解耦头（anchor-free split head）：将分类分支与回归分支解耦，并去掉锚框预设，简化了训练目标、降低了正负样本匹配复杂度；
3. 新损失函数：结合 DFL（Distribution Focal Loss）等设计，使边框回归更精确。

五大视觉任务

YOLOv8 原生支持检测、分割、姿态估计、跟踪与分类五类任务，对应官方文档中的任务页：

• 目标检测（detect）：输出目标类别与边界框，是 YOLO 的主任务；
• 图像分割（segment）：基于 U-Net 变体输出像素级掩码；
• 姿态/关键点估计（pose）：输出人体关节或特定语义点，yolov8-face 的人脸 landmark 即复用此任务；
• 实时跟踪（track）：在视频流中对目标进行跨帧关联；
• 图像分类（classify）：基于 EfficientNet 变体输出类别概率。

六大使用模式

除任务外，YOLOv8 还提供了六个标准工作模式（详见 模式总览）：Train（训练）、Val（验证）、Predict（推理）、Export（导出 ONNX/TensorRT 等格式）、Track（跟踪）、Benchmark（多格式速度与精度基准测试）。后文的人脸关键点流程（训练 → 推理 → 评测）正是 Train/Predict/Val 模式在垂直场景下的落地。

深入 yolov8-face：人脸关键点模型的仓库级实现

回到本仓库主题。yolov8-face 的核心思路是：把 YOLOv8 的 Pose 任务套用到一个类（face）、5 个关键点的配置上。下面从数据集、模型定义、检测头实现、训练与评测五个维度逐一拆解。

数据集配置：WIDER FACE 的 YAML 描述

仓库在 ultralytics/datasets/widerface.yaml 中定义了人脸训练数据：

path: /ssd2t/derron/datasets/ # 数据集根目录 train: - widerface/train # 训练集图像目录 val: widerface/val # 验证集图像目录 kpt_shape: [5, 3] # 关键点数量 5，每点 3 维 (x, y, visible) flip_idx: [1, 0, 2, 4, 3] # 水平翻转时关键点配对：左右对称点互换 names: 0: face # 单一类别：人脸

这里有两个关键设计：

• kpt_shape: [5, 3]：输出 5 个人脸关键点，每个关键点携带(x, y, visible)三维信息，其中第三维表示该点是否可见（训练时用于遮挡样本的监督）；
• flip_idx: [1, 0, 2, 4, 3]：为数据增强中的水平翻转服务。从配对关系可以推断，5 个关键点包含 2 组左右对称点（如左右眼、左右嘴角）与 1 个中线点（如鼻尖），翻转后交换对称点索引以保证标注语义一致。

WIDER FACE 验证集的标注文件（如 data/widerface/val/label.txt）以图片路径 + 每行 (x, y, w, h)的形式组织，共 3226 个验证图像路径记录在 data/widerface/val/wider_val.txt 中。

模型定义：标准版与轻量版

标准版基于 ultralytics/models/v8/yolov8-pose.yaml 修改而来，将nc设为 1、kpt_shape设为[5, 3]，其余骨干（C2f + SPPF）与检测头（P3/P4/P5 三尺度）结构完全沿用官方 pose 定义，最后的检测层为：

head: ... - [[15, 18, 21], 1, Pose, [nc, kpt_shape]] # Pose(P3, P4, P5)

轻量版则是仓库的一大特色，面向移动端/嵌入式部署设计了yolov8-lite-t与yolov8-lite-s两个规格（见 ultralytics/models/v8/yolov8-lite-t-pose.yaml 与 ultralytics/models/v8/yolov8-lite-s-pose.yaml）。它们在骨干中使用StemBlock、Shuffle_Block（ShuffleNet 风格的通道混洗 + 深度可分离卷积）并在 Neck 中大量使用DWConvblock（depthwise + pointwise 卷积）与ADD（残差加和）以压缩计算量，相关模块实现位于 ultralytics/nn/modules/block.py。两个规格分别以 48 与 96 的通道基数起步，depth_multiple与width_multiple均取 1.0。

检测头：Pose 类的关键点输出逻辑

人脸框 + 关键点的联合输出由 ultralytics/nn/modules/head.py 中的Pose类完成。它继承自Detect检测头，额外增加一条cv4卷积分支输出关键点热图回归，并在kpts_decode中完成关键点坐标解码：

# 解码逻辑（head.py 内） y[:, 0::ndim] = (y[:, 0::ndim] * 2.0 + (self.anchors[0] - 0.5)) * self.strides y[:, 1::ndim] = (y[:, 1::ndim] * 2.0 + (self.anchors[1] - 0.5)) * self.strides y[:, 2::3].sigmoid_() # 可见度分支做 sigmoid

即关键点的 x、y 通过"以锚点为中心的偏移 + 步长缩放"解码到原图坐标，可见度通过 sigmoid 映射到 0~1。推理时，PosePredictor.postprocess会通过 NMS 过滤检测框，并将关键点坐标缩放到原始图像尺寸（见 ultralytics/yolo/v8/pose/predict.py）。这也解释了为什么最终推理输出中每个检测既包含人脸框与置信度，又附带 5 个关键点坐标。

下图是该仓库yolov8n-face模型的真实推理效果（仓库根目录 data/test.jpg，README 中用于展示该模型的检测结果）：

训练脚本：仓库根目录的一键入口

仓库根目录的 train.py 给出了训练入口的完整示例：

import os os.environ["OMP_NUM_THREADS"] = '2' from ultralytics import YOLO model = YOLO('yolov8s-pose.yaml') # 从 YAML 构建新模型 model = YOLO('yolov8s-pose.pt') # 或加载预训练权重（推荐用于训练） model.train(data='widerface.yaml', epochs=300, imgsz=640, batch=16, device=[0, 1])

要点说明：

• 预训练权重优先：先用官方yolov8s-pose.pt初始化，再在 WIDER FACE 上微调，能显著加速收敛；data='widerface.yaml'对应仓库内 ultralytics/datasets/widerface.yaml；
• 超参：epochs=300、imgsz=640、batch=16，并支持device=[0, 1]多卡并行；若显存有限可减小 batch；
• 训练产物（权重与日志）默认输出到runs/pose/目录。

WIDER FACE 评测：从推理到 AP 统计的完整链路

WIDER FACE 评测是衡量人脸检测器通用性的标准协议。仓库提供了完整的两段式工具链：

第一步：批量推理并生成预测 txt。运行 test_widerface.py，它会逐张读取 data/widerface/val/wider_val.txt 中的验证图，调用model.predict，并把每张图的检测结果按 WIDER FACE 官方格式写入widerface_evaluate/widerface_txt/下对应的 txt 文件：

图片文件名 检测框数量 x1 y1 w h score # 每行一个框：左上角坐标、宽高、置信度

该格式与评测脚本 widerface_evaluate/evaluation.py 中read_pred_file的解析逻辑（每行 5 个浮点数）完全对应。其中--conf-thres默认 0.01、--iou-thres默认 0.5，与官方评测习惯一致。

第二步：执行官方评测脚本。先编译加速模块（仓库已附带编译好的bbox.cpython-38-x86_64-linux-gnu.so，若环境不同需重新编译）：

python3 setup.py build_ext --inplace python3 evaluation.py -p <预测txt目录> -g <ground_truth目录>

评测脚本会加载 widerface_evaluate/ground_truth/ 下的wider_face_val.mat、wider_easy_val.mat、wider_medium_val.mat、wider_hard_val.mat真值，按官方协议以 IoU 匹配预测与标注，分别计算Easy / Medium / Hard三档难度的 AP 并打印：

Easy Val AP: xxx Medium Val AP: xxx Hard Val AP: xxx

仓库公开的评测结果

仓库 README.md 给出了已训练模型在 WIDER FACE 验证集（测试尺寸 640）上的公开成绩（来自仓库作者的实测数据，可直接作为选型参考）：

可以看到：在同为 640 输入的前提下，yolov8-lite-t 以最轻量级约 2/3 的计算负担换取了接近 yolov8n 的精度，而 yolov8s / yolov8m 在 Easy/Medium 两档上表现更优、Hard 档提升明显。选择建议：移动端或低算力设备优先yolov8-lite-t/yolov8-lite-s；追求精度且算力充足可选yolov8n/yolov8s；Hard 档密集小人脸场景则推荐yolov8m。

从文档到代码：本指南的阅读地图

为方便读者继续深入，这里汇总本文涉及的关键仓库路径：

• 文档首页：docs/index.md；快速上手：docs/quickstart.md；模式/任务总览：docs/modes/index.md、docs/tasks/index.md；
• 训练入口：train.py；批量推理与评测导出：test_widerface.py；
• 数据集配置：ultralytics/datasets/widerface.yaml；WIDER FACE 验证集清单：data/widerface/val/wider_val.txt；
• 标准模型定义：ultralytics/models/v8/yolov8-pose.yaml；轻量模型：ultralytics/models/v8/yolov8-lite-t-pose.yaml、ultralytics/models/v8/yolov8-lite-s-pose.yaml；
• 关键点检测头：ultralytics/nn/modules/head.py；轻量模块：ultralytics/nn/modules/block.py；推理后处理：ultralytics/yolo/v8/pose/predict.py；
• 评测工具：widerface_evaluate/evaluation.py、widerface_evaluate/README.md。

总结

docs/index.md描绘的是一张 YOLOv8 的"全景地图"：统一的多任务框架、六大工作模式以及从边缘到云的适配能力。而 yolov8-face 仓库则证明了这个框架的工程延伸性——通过将 Pose 任务复用于人脸关键点、以 WIDER FACE 作为评测基准、提供yolov8-lite-t/s轻量模型与完整的"训练 → 推理 → 评测"工具链，开发者可以快速获得一套兼具检测框与 5 点 landmark 输出的端侧可用人脸方案。对希望基于 YOLOv8 定制垂直任务的读者而言，本仓库是最直观的参考模板：改kpt_shape、换数据集、复用 Pose 头，即可将通用检测框架迁移到任意关键点场景。

• 人工智能
• 计算机视觉
• 深度学习