YOLOv8架构详解

在视觉深度学习中，通常将模子分为 2~3 个组成部门：backbone、neck（可选） 和 head。

• Backbone（主干网络）负责从输入图像中提取特性，将图像转化为具有丰富语义信息的特性表示。
  
• Neck（颈部，毗连部）是一个中心层，用于对来自 backbone 的特性进行融合，以提升模子的性能。
  
• Head（任务头）是模子的最后一层，其结构会根据不同的任务而有所不同。比方，在图像分类任务中，我们通常会使用 softmax 分类器作为 Head，而在目标检测任务中，我们则可能会使用边界框回归器和分类器作为 Head。
  

YOLOv8 架构图

关于下面经典的架构图的扼要阐明：

• 图的上面部门为 YOLOv8 架构的概要图（包括 Backbone，Head）。YOLOv8 没有使用Neck 这个概念，但其架构图中 Head 中类似 PANet 功能的部门也可以归为 Neck。
  
• 图右中位置 Detail 为各个组件的详细架构示例，另阐明了不同模子大小的参数选择。
  
• 图左 + 图下部门，以分步的方式列出了完整的数据流。
  
• 每个框的右上角的数字为层的编号，可以和背面的示例输出 1 对照看。
  

可以看出，YOLOv8 Backbone 为 0~9 层，10~21 层为 YOLOv8 Head。

YOLOv8 Backbone部门

见图中第 0~9 层。分别为

• Conv + Conv + C2f
  
• Conv + C2f（对齐特性金字塔 P3）
  
• Conv + C2f（对齐特性金字塔 P4）
  
• Conv + C2f + SPPF（对齐特性金字塔 P5）
  

YOLOv8 Head部门

Neck和Head结构

   第一种表明：
  在YOLOv8 的yaml文件中并没有显示地划分出Neck部门，实际上Neck网络结构就是其Head 网络结构中部门的前半部门。
head部门团体图：

1. head:
3.   ###neck###
4.   - [-1, 1, nn.Upsample, [None, 2, 'nearest']]
5.   - [[-1, 6], 1, Concat, [1]]  # cat backbone P4
6.   - [-1, 3, C2f, [512]]  # 12
8.   - [-1, 1, nn.Upsample, [None, 2, 'nearest']]
9.   - [[-1, 4], 1, Concat, [1]]  # cat backbone P3
10.   - [-1, 3, C2f, [256]]  # 15 (P3/8-small)
11.   ###########
12.   
13.   - [-1, 1, Conv, [256, 3, 2]]
14.   - [[-1, 12], 1, Concat, [1]]  # cat head P4
15.   - [-1, 3, C2f, [512]]  # 18 (P4/16-medium)
17.   - [-1, 1, Conv, [512, 3, 2]]
18.   - [[-1, 9], 1, Concat, [1]]  # cat head P5
19.   - [-1, 3, C2f, [1024]]  # 21 (P5/32-large)
21.   - [[15, 18, 21], 1, Detect, [nc]]  # Detect(P3, P4, P5)

复制代码

yaml设置文件中，解释段落即为Neck结构

---

   第二种表明：

1. head:
3.   ###neck###
4.   - [-1, 1, nn.Upsample, [None, 2, 'nearest']]
5.   - [[-1, 6], 1, Concat, [1]]  # cat backbone P4
6.   - [-1, 3, C2f, [512]]  # 12
8.   - [-1, 1, nn.Upsample, [None, 2, 'nearest']]
9.   - [[-1, 4], 1, Concat, [1]]  # cat backbone P3
10.   - [-1, 3, C2f, [256]]  # 15 (P3/8-small)
11.   
12.   - [-1, 1, Conv, [256, 3, 2]]
13.   - [[-1, 12], 1, Concat, [1]]  # cat head P4
14.   - [-1, 3, C2f, [512]]  # 18 (P4/16-medium)
16.   - [-1, 1, Conv, [512, 3, 2]]
17.   - [[-1, 9], 1, Concat, [1]]  # cat head P5
18.   - [-1, 3, C2f, [1024]]  # 21 (P5/32-large)
19.   ###########
20.   
21.   - [[15, 18, 21], 1, Detect, [nc]]  # Detect(P3, P4, P5)

复制代码

yaml设置文件中，解释段落即为Neck结构，即除去检测头别的部门都是Neck部门
   分清楚Neck和Head 部门，可以很方便的对YOLOv8不同部门进行改进，实现任务涨点！
  

---

整理不易