---
title: yolov8s-facedet
canonical_url: "https://www.modelscope.cn/models/anyforge/yolov8s-facedet"
md_url: "https://www.modelscope.cn/models/anyforge/yolov8s-facedet.md"
repository: anyforge/yolov8s-facedet
chinese_name: "yolov8s-人脸检测模型"
last_updated: 2026-07-06
license: "MIT License"
pipeline_tag: face-detection
tasks:
  - face-detection
library_name:
  - pytorch
frameworks:
  - pytorch
domain:
  - cv
downloads: 64439
stars: 13
tags:
  - yolov8
  - ultralytics
---

# yolov8s-facedet

> yolov8s-facedet - anyforge 在 ModelScope 开源的模型。多人脸，单人脸，戴口罩，遮挡，多角度，多尺寸，多种天气，多种光照等多种场景

anyforge/yolov8s-facedet 是 ModelScope 魔搭社区上的face-detection模型，采用 MIT License 许可。

- **Repository**: anyforge/yolov8s-facedet
- **License**: MIT License
- **Tasks**: face-detection
- **Tags**: yolov8, ultralytics
- **Downloads**: 64439
- **Stars**: 13
- **Last updated**: 2026-07-06

Source: https://www.modelscope.cn/models/anyforge/yolov8s-facedet

---

# yolov8 模型介绍

## 模型描述

YOLOv8是一款尖端的、最先进的 (SOTA) 模型，它以之前 YOLO 版本的成功为基础，并引入了新功能和改进，以进一步提高性能和灵活性。YOLOv8 旨在快速、准确且易于使用，使其成为各种对象检测和跟踪、实例分割、图像分类和姿势估计任务的绝佳选择。

![tasks](banner-tasks.png)
![comparison](yolo-comparison-plots.png)

- [代码地址](https://github.com/ultralytics/ultralytics)

## 模型效果
![效果](res.jpg)

## 数据集
来源很多种数据源多种尺寸与场景图片总计：
- 图片总数量：**345264张**。
- 标注框数量：**999307个**。
- 覆盖面：**多人脸，单人脸，戴口罩，遮挡，多角度，多尺寸，多种天气，多种光照等多种场景**。
- 来源1：网络数据集，并处理一些过小或者标注不对的数据，例如：kaggle，widerface，celeba，网络等等人脸领域几乎都扒拉一下。
- 来源2：自建数据集，**手工标注（你没有听错：人工智能最重要的是人工不是智能）**。

## 模型使用范围
本模型可以检测输入图片中人脸的位置。

## 使用方式
- 推理：输入图片，如存在人脸则返回人脸位置，可检测多张人脸。

## 目标场景
- 人脸相关的能力，可应用于复杂场景。

## 模型局限性及可能偏差
- 当前版本在**Python-3.10.14,torch-2.3.1+cu121**环境测试通过，其他环境下可用性待测试。

## 代码示例
```python
### 基于ultralytics推理
### 安装依赖：pip install modelscope ultralytics

from pathlib import Path
from ultralytics import YOLO
from modelscope import snapshot_download

model_dir = snapshot_download('anyforge/yolov8s-facedet')
modelfile = Path(model_dir).joinpath('pytorch_model.onnx')
model = YOLO(modelfile)
imgpath = '/path/to/you/image'
res = model.predict(imgpath)
for line in res:
    print(line.boxes)

```

## 模型训练流程
- 取用Ultralytics YOLOv8s-v8.2.0训练100个epoch得到。

## 评估结果
模型在验证集上客观指标如下：
| 模型 | 类别 | 验证图片(张) | 标注框(个) | P |
|------------|------------|------------|------------|------------|
| yolov8s | face | 8299 | 46054 | 0.956 |
## 数据集使用申请
| 数据集名称 | 图片数量(张) | 项目链接 |
|------------|------------|------------|
|人脸检测|345264|[项目地址](https://www.modelscope.cn/models/anyforge/yolov8s-facedet)|
|火焰烟雾检测|6547|[项目地址](https://www.modelscope.cn/models/anyforge/yolov8s-firesmokedet)|
|人体检测|86166|下方邮箱申请|
|车辆检测|16977|下方邮箱申请|
|口罩检测|8996|下方邮箱申请|
|安全帽检测|8219|下方邮箱申请|
|人员跌倒|7722|下方邮箱申请|
|抽烟检测|5172|下方邮箱申请|
|电动车检测|3836|下方邮箱申请|
|睡岗检测|1365|下方邮箱申请|
|打电话检测|1328|下方邮箱申请|

- 请发送邮件到：`anyforge@163.com`，申请数据集。