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。

        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：

          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)

          yaml配置文件中，注释段落即为Neck结构，即除去检测头其余部分都是Neck部分

          分清楚Neck和Head 部分，可以很方便的对YOLOv8不同部分进行改进，实现任务涨点！

          ---

          整理不易，关注和收藏后拿走欢迎留言

          欢迎专注我的公众号AdaCoding 和 Github：AdaCoding123