【YOLO系列】YOLOv8理论

参考笔记：YOLOv8详解 【网络结构+代码+实操】-CSDN博客

文中的大多内容和图片引自该博客

学习视频：Enzo_Mi的个人空间-Enzo_Mi个人主页-哔哩哔哩视频的YOLOv8系列

2.1、yolov8原理引言_哔哩哔哩_bilibili

---

目录

1.YOLOv8概述

2.模型结构设计

2.1 Backbone和Neck的具体变化

2.2 Head的具体变化

3.Loss计算

4.训练数据增强

5.训练策略

6.模型推理过程

---

1.YOLOv8概述

YOLOv8 算法的核心特性和改动可以归结为如下：

• Backbone:
  backbone、neck 可能参考了 YOLOv7 ELAN 设计思想，将 YOLOv5 的 C3 结构换成了梯度流更丰富的 C2f 结构，并对不同大小模型（n、s、m、l、x）调整了不同的通道数

• Head： Head 部分与 YOLOv5 相比有两大改进：

  • 换成了主流的解耦头结构（Decouped-Head）将分类头和检测头分离

  • Anchor-Based --> Anchor-Free

• Loss ：正负样本匹配方式改变、移除置信度损失、增加Distribution Focal Loss（DFL）

• Train：借鉴 YOLOX ，在训练阶段的最后 10 个 epoch 关闭 Mosiac 数据增强，可以有效地提升精度

2.模型结构设计

下图中左侧为 YOLOv5-n，右侧为 YOLOv8-n
在暂时不考虑 Head 情况下，对比 YOLOv5 和 YOLOv8 的 yaml 配置文件可以发现改动较小

YOLOv5-n、YOLOv8-