YOLOv8架构详解

📌YOLOv8架构详解

YOLOv8 架构图
YOLOv8 Backbone部分
YOLOv8 Head部分
- Neck和Head结构

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

Backbone（主干网络）负责从输入图像中提取特征，将图像转化为具有丰富语义信息的特征表示。
Neck（颈部，连接部）是一个中间层，用于对来自 backbone 的特征进行融合，以提升模型的性能。
Head（任务头）是模型的最后一层，其结构会根据不同的任务而有所不同。例如，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简要说明：

图的上面部分为 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 功能的部分也可以归为 Neck。
图右中位置 Detail 为各个组件的详细架构示例，另说明了不同模型大小的参数选择。
图左 + 图下部分，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，可以和后面的示例输出 1 对照看。

可以看出，YOLOv8 Backbone 为 0~9 层，10~21 层为 YOLOv8 Head。
在这里插入图片描述

在这里插入图片描述

YOLOv8 Backbone部分

见图中第 0~9 层。分别为

Conv + Conv + C2f
Conv + C2f（对齐特征金字塔 P3）
Conv + C2f（对齐特征金字塔 P4）
Conv + C2f + SPPF（对齐特征金字塔 P5）

YOLOv8 Head部分

Neck和Head结构

第一种解释：

在YOLOv8 的yaml文件中并没有显示地划分出Neck部分，实际上Neck网络结构就是其Head 网络结构中部分的前半部分。

head部分整体图：
在这里插入图片描述

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

yaml配置文件中，注释段落即为Neck结构

第二种解释：

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