YOLOv5 vs YOLOv8
相同点
Backbone: 均是CSPDarknet53
Anchor Boxes： 均使用 anchor boxes 提升检测精度
Non-Maximum Suppression (NMS)：均使用了NMS来滤除同一类别的多个检测框
Post-processing：均采用了 post-processing 技术来提升检测精度
Optimizer：均采用 Adam 进行模型训练
Activation Function：均采用了 Mish 激活函数
精度对比
Yolov5 在 COCO 数据集的 AP(average precision) 是 50.5%.
Yolov5 对于小目标检测同样表现优良，超过了其之前版本的 Yolo.
Yolov5 对于真实世界的应用，同样表现不错，例如，视频流里的行人检测.
Yolov8 在精度方面是超过 Yolov5 的，其AP是 51.4%，Yolov8m 的 AP 是 54.2%.
Yolov8 对于小目标检测有着更优的表现，而且解决了一些 Yolov5 存在的不足.
速度FPS对比
总结
对于小目标检测，Yolov5和Yolo8 均能处理；
但，Yolov5 可能更适用于部署到没有 GPU 的设备.
如果有 GPU 的话，Yolov8 会是更好的选择.