全新芒果YOLOv8改进专栏 | 专栏目录：目前已有170+篇内容，内含各种Head检测头、标签分配策略、损失函数Loss、Backbone、Neck、写作|指标、NMS等全方位创新点改进

内含各种Head检测头、标签分配策略、损失函数Loss、Backbone、Neck、写作|指标、NMS等全方位创新点改进

改进YOLOv8专栏《芒果YOLOv8原创改进》，只需要订阅这一个就可以查看所有的YOLOv8改进。

全新芒果YOLOv8改进专栏来袭： 专栏地址👉： 芒果YOLOv8改进专栏，内含170+篇内容

目前已有 170+ 篇，其中包括《head检测头、《标签分配策略》、《损失函数Loss》、《Backbone》、《Neck》、《写作|指标》、《NMS》等全方位创新点改进

重要🔥🔥🔥：同时订阅了《芒果YOLOv8原创改进》的小伙伴，可以私信博主，加入YOLOv8改进交流群，博主提供对应的答疑服务：QQ：2434798737

更多新内容持续更新中...  持续更新

文档教程+集成版项目配合使用

YOLOv8改进项目 ultralyticsPro项目 免费送：订阅了《芒果YOLOv8原创改进专栏》的读者免费赠送-包括很多稀有原创改进-YOLOv8改进哔哩哔哩视频教程配套代码

YOLOv8改进项目免费送：订阅了《芒果YOLOv8原创改进专栏》的读者免费赠送-包括很多稀有原创改进-YOLOv8改进哔哩哔哩视频教程配套代码https://yoloair.blog.csdn.net/article/details/138704281

---

完整版专栏地址👉： 芒果YOLOv8改进专栏https://yoloair.blog.csdn.net/category_12356719.html

YOLOv8改进目录如下

1. YOLOv8 标签分配策略 改进篇
2. YOLOv8 检测头 Head/Detect 改进篇
3. YOLOv8 IoU损失函数 改进篇
4. YOLOv8 主干 Backbone 篇
5. YOLOv8 特征融合 Neck 篇
6. YOLOv8 NMS 改进篇
7. YOLOv8 卷积 Conv 篇
8. YOLOv8 指标/写作 篇

芒果YOLOv8改进哔哩哔哩视频教程

https://space.bilibili.com/1532780812http://bilibili

专栏地址👉： 芒果YOLOv8改进专栏

YOLOv8 标签分配策略 改进篇

模型🏆	改进类型🥇	具体创新点🚀	🎈改进文章链接👇
YOLOv8	标签分配策略	无 NMS 训练的一致双重分配	芒果YOLOv8改进171：无 NMS 训练的一致双重分配｜即插即用，双标签分配策略改进
YOLOv8	标签分配策略	Dynamic ATSS动态标签分配策略	芒果YOLOv8组合改进164：即插即用｜Dynamic ATSS动态标签分配策略+新颖共享ShareSepHead检测头：改进全网唯一，通过结合预测 IoU 和锚 IoU 进行物体检测
YOLOv8	标签分配策略	👉 WDLA:Wasserstein Distance Label Assignment	芒果YOLOv8改进25：动态标签分配策略篇之WDLA：最新改进Wasserstein Distance Label Assignment，用于小目标检测，提升小目标检测精度，芒果独家原创，全网独一份
YOLOv8	标签分配策略	👉 Nanodet 标签分配策略	芒果YOLOv8改进66：动态标签分配策略篇之Nanodet：使用NanoDet动态标签分配策略，同时集成Generalized Focal Loss损失，进行模型轻量化，来打造新颖YOLOv8检测器
YOLOv8	标签分配策略	👉 ATSS：Adaptive Training Sample Selection	芒果YOLOv8改进72：动态标签分配策略篇之ATSS：自适应训练样本选择Adaptive Training Sample Selection策略
YOLOv8	标签分配策略	👉 NanodetNeXt && 改进VFL	芒果YOLOv8改进86：动态标签分配策略篇之Nanodet：同时集成VFL全新损失，来打造新颖YOLOv8检测器
YOLOv8	标签分配策略	👉 RFLA标签分配	芒果YOLOv8改进97：动态标签分配策略篇之RFLA标签分配：改进ECCV顶会，用于微小物体检测的基于高斯感受野的标签分配，并针对YOLOv8来进行适配优化，打造新颖YOLOv8模型
YOLOv8	标签分配策略	👉 持续更新ing	持续更新ing

YOLOv8 检测头 Head/Detect 改进篇

模型🏆	改进类型🥇	具体创新点🚀	🎈改进文章链接👇
YOLOv8	检测头Head 篇	ImplicitHead 隐性知识检测头	芒果YOLOv8改进164:检测头篇:ImplicitHead 隐性知识检测头| 即插即用，独家新颖更新，精度高效涨点
YOLOv8	检测头Head 篇	Dynamic ATSS动态标签分配策略+DynamicHead检测头	芒果YOLOv8组合改进163：即插即用｜Dynamic ATSS动态标签分配策略+DynamicHead检测头：改进全网唯一，通过结合预测 IoU 和锚 IoU 进行物体检测
YOLOv8	检测头Head 篇	轻量化检测头篇:LiteShiftHead	芒果YOLOv8改进142:轻量化检测头篇:LiteShiftHead | 即插即用，独家原创更新，大幅减少参数量，轻量化的同时精度高效涨点，全网独家首发
YOLOv8	检测头Head 篇	👉 轻量化非对称多级压缩LADH	芒果YOLOv8改进16：检测头Head篇：即插即用｜新颖轻量化非对称多级压缩LADH检测头，原创改进适配YOLOv8高效检测头，检测头新颖性改进，全网首发独一份
YOLOv8	检测头Head 篇	👉 新颖高效AsDDet检测头	芒果YOLOv8改进17：检测头Head篇：即插即用｜《新颖高效AsDDet检测头》独一无二的结构改进，公开数据集mAP高效涨点，即插即用｜检测头新颖改进，性能高效涨点，全网首发独一份
YOLOv8	检测头Head 篇	👉 卷积CNN小目标检测头	芒果YOLOv8改进21：检测头Head篇：即插即用｜增加卷积CNN小目标检测头
YOLOv8	检测头Head 篇	👉 超多种Transformer小目标检测头	芒果YOLOv8改进21-1：检测头Head篇：即插即用｜超多种Transformer小目标检测头
YOLOv8	检测头Head 篇	👉 ShareSepHead	芒果YOLOv8改进65：检测头篇ShareSepHead：即插即用｜原创改进ShareSepHead新颖检测头升级版，更省参数量，更高效，打造新型YOLOv8检测器，精度高效涨点
YOLOv8	检测头Head 篇	👉 感知聚合SERDet检测头	芒果YOLOv8改进88：检测头篇之感知聚合SERDet检测头：简单高效涨点，即插即用｜检测头新颖改进，全网无重复 YOLOv8专属打造
YOLOv8	检测头Head 篇	👉 原创新颖共享Sep检测头	芒果YOLOv8改进93：检测头篇之ShareSepHead：即插即用｜原创新颖共享Sep检测头，更省参数量，更高效，打造新型YOLOv8检测器，精度高效涨点
YOLOv8	检测头Head 篇	👉 RepBiPAN结构 + DETRHead检测头	芒果YOLOv8改进96：检测头篇之RepBiPAN结构 + DETRHead检测头，为YOLOv8目标检测使用不一样的检测头，用于提升检测精度
YOLOv8	检测头Head 篇	全新动态DynamicSatDetect	芒果YOLOv8改进107：检测头篇DynamicHead动态检测头：基于DynamicHead，二次原创提出SATNeXt模块，提出全新的动态DynamicSatDetect
YOLOv8	检测头Head 篇	👉 持续更新ing	持续更新ing

YOLOv8 IoU损失函数 改进篇

模型🏆	改进类型🥇	具体创新点🚀	🎈改进文章链接👇
YOLOv8	损失函数IoU 篇	AngLoss（公开数据集涨点1%）	芒果YOLOv8改进165：损失函数angleLoss：即插即用 | 独家首发原创新颖｜公开数据集DOTA高效无损涨点0.5% | 旋转检测
YOLOv8	损失函数IoU 篇	👉 GWD Loss	芒果YOLOv8改进48：损失函数IoU篇之GWD：即插即用 首发原创新颖｜全网唯一更新GWDLoss改进博客，在Visdrone数据集上验证，基于高斯Wasserstein距离，提升YOLOv8小目
YOLOv8	损失函数IoU 篇	👉 KLD Loss	芒果YOLOv8改进99：损失函数IoU篇之KLD Loss：即插即用 原创首发更新KLDLoss改进博客，通过 Kullback-Leibler 散度学习用于目标检测的高精度边界框，提升YOLOv8
YOLOv8	损失函数IoU 篇	👉 EfficiCLoss	芒果YOLOv8改进02：损失函数IoU篇EfficiCLoss：首发最新改进｜结合EfficiCLoss损失函数，小目标强势涨点
YOLOv8	损失函数IoU 篇	👉 XIoU	芒果YOLOv8改进03：损失函数IoU篇全新XIoU：首发最新改进｜结合XIoU损失函数，相比较CIoU改进涨点，YOLO改进Trick，提升网络模型性能、收敛速度和鲁棒性
YOLOv8	损失函数IoU 篇	👉 Repulsion Loss	芒果YOLOv8改进11：损失函数IoU 篇：遮挡损失函数Repulsion Loss，全网独家首发最新改进｜ Repulsion 解决目标遮挡场景下的目标检测，为解决密集人群检测中遮挡设计的损失函数
YOLOv8	损失函数IoU 篇	原创损失函数FocalerXIoU，FocalerWIoU，FocalerPIoU，FocalerSIoU	果YOLOv8改进144：Loss篇基于FocalerIoU的思想：独家提出FocalerXIoU，FocalerWIoU，FocalerPIoU，FocalerSIoU等等，针对小目标检测提点
YOLOv8	损失函数IoU 篇	原创损失函数FocalerNWD，FocalerEffiCIoU，FocalerMPDIoU	芒果YOLOv8改进143：Loss篇基于FocalerIoU思想：独家提出FocalerNWD，FocalerEffiCIoU，FocalerMPDIoU等等，针对小目标检测提点
YOLOv8	损失函数IoU 篇	原创损失函数Focal-InnerNWD，Focal-InnerEffcicIoU，F-IPIoU	芒果YOLOv8改进141：原创Loss篇基于Focal和Inner的思想：独家提出Focal-InnerNWD，Focal-InnerEffcicIoU，F-IPIoU等，提升YOLOv8检测性能
YOLOv8	损失函数IoU 篇	原创损失函数Focal-InnerXIoU，Focal-InnerWIoU，Focal-InnerPIoU	芒果YOLOv8改进140：原创Loss篇基于Focal和Inner的思想：独家提出Focal-InnerXIoU，Focal-InnerWIoU，Focal-InnerPIoU等，针对小目标检测提点
YOLOv8	损失函数IoU 篇	原创损失函数InnerNWD，InnerEffIoU，InnerMPDIoU，InnerAIoU	芒果YOLOv8改进139：Loss篇02基于InnerIoU思想：独家提出InneNWD，InnerEffIoU，InnerMPDIoU，InnerAIoU等等，针对小目标检测提点
YOLOv8	损失函数IoU 篇	原创损失函数InnerXIoU，InnerWIoU，InnerPIoU，InnerSIoU	芒果YOLOv8改进138：Loss篇基于InnerIoU的思想：独家提出InnerXIoU，InnerWIoU，InnerPIoU，InnerSIoU等等，针对小目标检测提点
YOLOv8	损失函数IoU 篇	👉 SIoU损失函数、EIoU损失函数、GIoU损失函数、α-IoU损失函数	芒果YOLOv8改进14：多种损失函数IoU 篇：YOLOv8涨点Trick，改进添加SIoU损失函数、EIoU损失函数、GIoU损失函数、α-IoU损失函数
YOLOv8	损失函数IoU 篇	👉 Focal-EIoU｜Focal-SIoU｜Focal-CIoU、GIoU	芒果YOLOv8改进24：多种损失函数IoU篇：FocalLoss结合变种IoU套装：包含Focal-EIoU｜Focal-SIoU｜Focal-CIoU、GIoU等，YOLOv8 模型高效涨点
YOLOv8	损失函数IoU 篇	👉 Focal-CIoU	芒果YOLOv8改进26：多种损失函数IoU篇：FocalLoss结合变种IoU套装：包含Focal-EIoU｜Focal-SIoU｜Focal-CIoU、GIoU等，YOLOv8 模型高效涨点
YOLOv8	损失函数IoU 篇	👉 Wise-IoU	芒果YOLOv8改进28：损失函数IoU篇之Wise-IoU：最新YOLOv8结合最新WIoU损失函数，超越CIoU, SIoU性能，涨点神器｜让YOLO模型高效涨点，目标检测的新损失
YOLOv8	损失函数IoU 篇	👉 NWDLoss	芒果YOLOv8改进30：损失函数IoU篇之NWDLoss：即插即用｜YOLOv8小目标检测高效涨点2%，改进用于小目标检测的归一化高斯 Wasserstein Distance Loss，提升小目标
YOLOv8	损失函数IoU 篇	👉 Focaler-(Any) IoU	芒果YOLOv8改进49：损失函数IoU篇之Focaler-(Any) IoU：即插即用，最新 IoU论文，可支持XIoU、WIoU、SIoU、DIoU等基础上改进更加关注联合损失的交叉点,YOLO
YOLOv8	损失函数IoU 篇	👉 MPDIoU	芒果YOLOv8改进71：损失函数IoU篇之MPDIoU：超越现有多种G/D/C/EIoU，高效准确的边界框回归的损失
YOLOv8	损失函数IoU 篇	👉 Inner-IoU	芒果YOLOv8改进84：损失函数IoU篇之全新Inner-IoU损失函数：全网首发2023年11月最新论文扩展到其他SIoU、CIoU等主流损失函数，带辅助边界框的损失
YOLOv8	损失函数IoU 篇	👉 Shape-IoU	芒果YOLOv8改进94：损失函数IoU篇之Shape-IoU：考虑边界框形状和比例的更准确的指标
YOLOv8	损失函数IoU 篇	👉 PIoU Loss	芒果YOLOv8改进100：损失函数IoU篇之PIoU Loss：PIoU v2损失增强了专注于中等质量锚盒的能力，v1版本使用非单调聚焦机制更直接、更快的边界框回归损失
YOLOv8	损失函数IoU 篇	👉 持续更新ing	持续更新ing

YOLOv8 分类损失函数 改进篇

模型🏆	改进类型🥇	具体创新点🚀	🎈改进文章链接👇
YOLOv8	分类损失函数	👉 FocalLoss	芒果YOLOv8改进61：分类损失函数Loss篇FocalLoss：即插即用｜最新改进FocalLoss损失函数，提高处理不平衡数据分类场景下的任务性能，提升YOLOv8检测精度
YOLOv8	分类损失函数	👉 QualityFocal	芒果YOLOv8改进62：分类损失函数Loss篇QualityFocal：即插即用｜最新改进QualityFocal损失函数，学习更好的分类分数和定位质量的联合表示，提升YOLOv8检测精度
YOLOv8	分类损失函数	👉 VariFocalNet	芒果YOLOv8改进63：分类损失函数Loss篇VariFocalNet：即插即用｜最新改进VariFocal损失函数，全面提升密集场景下的目标检测，提升YOLOv8检测精度
YOLOv8	分类损失函数	👉 PolyLoss	芒果YOLOv8改进64：分类损失函数Loss篇PolyLoss：即插即用｜最新改进PolyLoss顶会论文ICLR，分类损失函数的多项式展开视角，提升YOLOv8检测精度
YOLOv8	分类损失函数	👉 持续更新ing	持续更新ing

YOLOv8 主干 Backbone 篇

模型🏆	改进类型🥇	具体创新点🚀	🎈改进文章链接👇
YOLOv8	主干Backbone 篇	👉 SwinV2TRX、SwinV2TRY、SwinV2TRXZ	芒果YOLOv8改进105：主干Backbone篇：基于CVPR顶会论文的SwinV2核心结构，提出独家原创SwinV2TRX、SwinV2TRY、SwinV2TRXZ等新结构
YOLOv8	主干Backbone 篇	👉 CFNet	芒果YOLOv8改进07：主干Backbone篇：最新论文CFNet，即插即用｜原创改进结构显著提升检测性能，小目标检测涨点必备（二）
YOLOv8	主干Backbone 篇	👉 Swin Transformer V2	芒果YOLOv8改进08：主干Backbone篇Swin Transformer V2升级版本：即插即用｜在基础SwinTransformer v2 结构的基础上进行多种改进结构, 强大的视觉主干
YOLOv8	主干Backbone 篇	👉 CBiF、BiFB	芒果YOLOv8改进09：主干Backbone篇：最新结构CBiF、BiFB，小目标检测涨点，原创即插即用
YOLOv8	主干Backbone 篇	👉 FasterNeXt	芒果YOLOv8改进15：主干Backbone篇：独创结构FasterNeXt，超10个数据集上已涨点，可直接写模型改进，源于最新CVPR2023主干系列FasterNet
YOLOv8	主干Backbone 篇	👉 GhostNet	芒果YOLOv8改进18：主干Backbone篇GhostNet：原创改进高效 GhostNet 网络，华为出品，打造全新检测器
YOLOv8	主干Backbone 篇	👉 BiFormer	芒果YOLOv8改进20：主干Backbone篇BiFormer：顶会CVPR2023即插即用，小目标检测涨点必备，首发原创改进，基于动态查询感知的稀疏注意力机制、构建高效金字塔网络架构
YOLOv8	主干Backbone 篇	👉 EfficientRep	芒果YOLOv8改进22：主干Backbone篇EfficientRep结构：最新论文出品｜结合设计硬件感知神经网络设计的高效 Repvgg的ConvNet 网络结构 ，该网络涨点利器
YOLOv8	主干Backbone 篇	👉 CReToNeXt	芒果YOLOv8改进23：主干Backbone篇DAMOYOLO结构：最新改进提出 CReToNeXt 结构，基于阿里达摩院出品的DAMOYOLO核心网络模型进行改进，打造高性能检测器
YOLOv8	主干Backbone 篇	👉 QARepNeXt	芒果YOLOv8改进27：主干Backbone篇QARepNeXt结构：最新原创提出改进 QARepNeXt 结构，基于最新 QARepVGG 结构，美团提出的一种量化感知方法：再一次让 RepVGG
YOLOv8	主干Backbone 篇	👉 MAE:ConvNeXtv2	芒果YOLOv8改进29：主干Backbone篇之MAE结构：当MAE遇见卷积操作，最新原创 ConvNeXtv2 升级版，高效涨点，使用 Masked Autoencoders 共同设计和缩放
YOLOv8	主干Backbone 篇	👉 MobileViTv2	芒果YOLOv8改进31：主干Backbone篇之MobileViTv2：全网首发最新苹果续作加强版 MobileViTv2结构（二），提出移动视觉 Transformer 的可分离自注意力机制，高效
YOLOv8	主干Backbone 篇	👉 MobileViTv3	芒果YOLOv8改进32：主干Backbone篇之MobileViTv3：全网首发最新 MobileViTv3 系列最强改进版本（三）｜轻量化Transformer视觉转换器，简单有效地融合了本地全局
YOLOv8	主干Backbone 篇	👉 RepLKNet	芒果YOLOv8改进34：主干Backbone篇之RepLKNet：首发结合 RepLKNet 构建 最新 RepLKDeXt 结构｜CVPR2022 超大卷积核, 越大越暴力,大到31x31, 涨点
YOLOv8	主干Backbone 篇	👉 InceptionNeXt	芒果YOLOv8改进35：主干Backbone篇之InceptionNeXt：当 Inception 遇到 ConvNeXt 系列，即插即用，小目标检测涨点必备改进
YOLOv8	主干Backbone 篇	👉 Conv2Former	芒果YOLOv8改进36：主干Backbone篇之Conv2Former：原创结合Conv2Formers改进结构，Transformer 风格的卷积网络视觉基线模型，超越ConvNeXt结构
YOLOv8	主干Backbone 篇	👉 DenseNet	芒果YOLOv8改进37：主干Backbone篇之DenseNet：设计核心最新提出DenseOne密集网络，从另一个视角改进YOLO目标检测模型，打造高性能检测器
YOLOv8	主干Backbone 篇	👉 RepGhostNeXt	芒果YOLOv8改进38：主干Backbone篇之RepGhostNeXt：基于重参数化结构，实现硬件高效的RepGhost 模块、打造全新YOLOv8检测器
YOLOv8	主干Backbone 篇	👉 PPHGNetv2	芒果YOLOv8改进39：主干Backbone篇之PPHGNetv2：全网首发，目标检测新范式骨干PPHGNetv2，百度出品，提升YOLOv8检测能力
YOLOv8	主干Backbone 篇	👉 LEF	芒果YOLOv8改进40：主干Backbone篇之LEF：：黑夜小目标检测，ICANN会议出品，原创LEF模块，增强图像增强组成
YOLOv8	主干Backbone 篇	👉 MobileViT	芒果YOLOv8改进42：主干Backbone篇之MobileViT：：结合最新 ICLR2022 顶会轻量通用的MobileViT结构（一）Transformer，轻量级、通用且移动友好的视觉转换
YOLOv8	主干Backbone 篇	👉 PvT Transformer	芒果YOLOv8改进50：主干Backbone篇之PvT核心网络：：首发改进ICCV顶会，特征金字塔在Vision Transormer的首次应用，又快又好
YOLOv8	主干Backbone 篇	👉 GhostNetV2	芒果YOLOv8改进52：主干Backbone篇之GhostNetV2：提出原创GhostNetV2 架构升级版：引入长距离注意力机制增强廉价操作，构建更强端侧轻量型骨干，打造高效轻量级检测器
YOLOv8	主干Backbone 篇	👉 EfficientNet	芒果YOLOv8改进67：主干Backbone篇EfficientNet：重新思考卷积神经网络的模型扩展，YOLO系列高效涨点
YOLOv8	主干Backbone 篇	👉 EfficientNetV2	芒果YOLOv8改进68：主干Backbone篇EfficientNetV2升级版：并对EfficientNetV2进行原创网络结构的改进，更小的模型和更快的训练，模型高效提升
YOLOv8	主干Backbone 篇	👉 EMO	芒果YOLOv8改进69：主干Backbone篇最新EMO结构：顶会ICCV2023｜原创改进 Attention 重新思考移动端小模型中的基本模块，YOLO系列高效涨点
YOLOv8	主干Backbone 篇	👉 LSKNet	芒果YOLOv8改进70：主干Backbone篇LSKNet：最新ICCV2023顶会｜大选择性卷积核的领域首次探索，改进遥感旋转目标检测SOTA
YOLOv8	主干Backbone 篇	👉 RCS-OSA	芒果YOLOv8改进73：主干Backbone篇RCS-OSA结构：改进新颖的YOLO架构，基于通道Shuffle的重参数化卷积，将特征级联和计算效率相结合，以提取更丰富的信息并减少时间消耗
YOLOv8	主干Backbone 篇	👉 RepVIT	芒果YOLOv8改进74：主干Backbone篇RepVIT结构：最新重参数化结构 顶会2023 二次改进升级版，最新开源移动端网络架构，速度贼快
YOLOv8	主干Backbone 篇	👉 D-LKA	芒果YOLOv8改进75：主干Backbone篇D-LKA结构：D-LKA结构的基础上进行多种改进结构，同时拥有Attention和大卷积核的能力，高效改进
YOLOv8	主干Backbone 篇	👉 Swin Transformer	芒果YOLOv8改进76：主干Backbone篇Swin Transformer：在基础SwinTransformer结构的基础上进行多种改进结构，集成Transformer和CNN的优势
YOLOv8	主干Backbone 篇	👉 RepVGG	芒果YOLOv8改进80：主干Backbone篇RepVGG结构：简单但功能强大的卷积神经网络架构
YOLOv8	主干Backbone 篇	👉 MSBlock	芒果YOLOv8改进83：主干Backbone篇之MSBlock：即插即用集成YOLO-MS论文SOTA核心结构，原汁原味YOLOv8改进升级版，打破性能瓶颈
YOLOv8	主干Backbone 篇	👉 UniRepLKNet	芒果YOLOv8改进87：主干Backbone篇之UniRepLKNet：极简高效，UniRepLKNet作为改进升级版RepLKNet(博客内附源代码)，适用于图像识别，即插即用打破性能瓶颈
YOLOv8	主干Backbone 篇	👉 Generalized ELAN	芒果YOLOv8改进101：主干Backbone篇之Generalized ELAN核心结构：并进行适应性缩放大小，广义的高效层聚合网络GELAN，同时考虑该网络考虑了轻量级、推理速度
YOLOv8	主干Backbone 篇	👉 持续更新ing	持续更新ing

YOLOv8 特征融合 Neck 篇

模型🏆	改进类型🥇	具体创新点🚀	🎈改进文章链接👇
YOLOv8	Neck 篇	👉 RepNCSPFPN	芒果YOLOv8改进102：特征融合Neck篇之RepNCSPFPN特征融合和金字塔结构【二】 ：广义的高效层聚合融合网络GELAN，考虑该网络考虑了轻量级、推理速度
YOLOv8	Neck 篇	👉 RepFPN结构	芒果YOLOv8改进05：Neck篇：RepFPN结构，最新论文设计，具有硬件感知神经网络设计高效 Repvgg 式 ConvNet 网络结构
YOLOv8	Neck 篇	👉 BiFPN	芒果YOLOv8改进10：特征融合Neck篇：改进特征融合网络 BiFPN 结构，融合更多有效特征
YOLOv8	Neck 篇	👉 GhostSlimFPN	芒果YOLOv8改进13：特征融合Neck篇：结合新颖的GhostSlimFPN范式网络结构，进一步提升性能
YOLOv8	Neck 篇	👉 AFPN	芒果YOLOv8改进19：特征融合Neck篇AFPN结构：改进用于目标检测的渐近特征金字塔网络AsymptoticFPN，加强非相邻层的直接交互，YOLO系列高效涨点
YOLOv8	Neck 篇	👉 EffQAFPN	芒果YOLOv8改进33：特征融合Neck篇：原创设计EffQAFPN 结构，具有量化感知神经网络设计的高效网络结构 ，该网络结构表现强势
YOLOv8	Neck 篇	👉 Gather-and-Distribute机制	芒果YOLOv8改进78：特征融合Neck篇之新颖Gather-and-Distribute机制：低阶高阶新颖融合，增强了多尺度特征融合能力，实现了延迟和准确性的理想平衡
YOLOv8	Neck 篇	👉 RepBiPAN	芒果YOLOv8改进79：特征融合Neck篇之RepBiPAN 结构独家版Neck：该网络结构独一无二，为目标检测打造全新融合网络，增强定位信号，对于小目标检测的定位具有重要意义
YOLOv8	Neck 篇	👉 Lowlevel Feature Alignment机制	芒果YOLOv8改进81：特征融合Neck篇之Lowlevel Feature Alignment机制：集特征对齐、信息融合和信息注入于一体，增强模型对不同尺寸物体的检测能力
YOLOv8	Neck 篇	👉 HFAMPAN	芒果YOLOv8改进82：特征融合Neck篇之原创 HFAMPAN 结构：信息高阶特征对齐融合和注入，全局融合多级特征，将全局信息注入更高级别
YOLOv8	Neck 篇	👉 Scale-sequence-feature-fusion	芒果YOLOv8改进89：特征融合Neck篇之Scale-sequence-feature-fusion 结构：新颖尺度序列特征融合结构，有效地利用所有金字塔特征图之间的相关性，即插即用提升精度性能
YOLOv8	Neck 篇	👉 RepBiSF	芒果YOLOv8改进95：特征融合Neck篇之RepBiSF全新序列融合结构RepBiPAN + SSFF：深度创新，该网络结构独一无二，为目标检测打造全新融合网络，对于小目标检测的定位具有重要意义
YOLOv8	Neck 篇	👉 持续更新ing	持续更新ing

YOLOv8 NMS 改进篇

模型🏆	改进类型🥇	具体创新点🚀	🎈改进文章链接👇
YOLOv8	NMS 篇	👉 EfficiCLNMS	芒果YOLOv8改进01：NMS 篇：独家首发最新原创EfficiCLNMS改进点，改进有效可以直接当做自己的原创改进点来写
YOLOv8	NMS 篇	👉 SIoU-NMS,EIoU-NMS	芒果YOLOv8改进04：损失函数NMS篇：原创改进创新点 SIoU-NMS,EIoU-NMS,DIoU-NMS,CIoU-NMS,GIoU-NMS改进
YOLOv8	NMS 篇	👉 DIoU-NMS,CIoU-NMS,GIoU-NMS	芒果YOLOv8改进04-1：损失函数NMS篇：原创改进创新点 SIoU-NMS,EIoU-NMS,DIoU-NMS,CIoU-NMS,GIoU-NMS改进
YOLOv8	NMS 篇	👉 XIoU_NMS	芒果YOLOv8改进12：NMS篇：独家首发最新原创XIoU_NMS改进点，改进有效可以直接当做自己的原创改进点来写，提升网络模型性能、收敛速度和鲁棒性
YOLOv8	NMS 篇	👉 WIoU_NMS	芒果YOLOv8改进41：NMS篇：独家首发最新原创WIoU_NMS改进点，改进有效可以直接当做自己的原创改进点来写，提升网络模型性能精度
YOLOv8	NMS 篇	👉 持续更新ing	持续更新ing

YOLOv8 卷积 Conv 篇

🏆模型	改进类型🥇	具体创新点🚀	🎈改进文章链接👇
YOLOv8	卷积 篇	👉 PWConv	芒果YOLOv8改进06：卷积Conv篇：独家原创改进最新PWConv核心结构，来自CVPR2023，可以直接写模型改进，进一步轻量化！测试数据集mAP有效涨点，进一步降低参数量
YOLOv8	卷积 篇	👉 DO-DConv	芒果YOLOv8改进106：卷积Conv篇：DO-DConv卷积提高性能涨点，使用over-parameterized卷积层提高CNN性能
YOLOv8	卷积 篇	👉 Shift-ConvNets	芒果YOLOv8改进98：主干Backbone篇之Shift-ConvNets：24年最新论文Shift-ConvNets：稀疏/移位操作让小卷积核也能达到大卷积核效果，来打造新颖YOLOv8检测器
YOLOv8	卷积 篇	👉 DCNv2	芒果YOLOv8改进103：主干Backbone篇之DCNv1、DCNv2结构：可变形卷积网络Deformable Convolutional Networks，以及改进的深度和跨网络以及网络规模学习
YOLOv8	卷积 篇	👉 DCNv3	芒果YOLOv8改进104：主干Backbone篇之DCNv3结构：即插即用｜使用pytorch代码实现，并针对YOLOv8专门优化模块
YOLOv8	卷积 篇	👉持续更新ing	持续更新ing

YOLOv8 指标/写作 篇

🏆模型	改进类型🥇	具体创新点🚀	🎈改进文章链接👇
YOLOv8	指标/写作 篇	👉 从零开始训练YOLOv8	芒果YOLOv8改进55：提升篇：手把手从零开始训练YOLOv8改进项目(官方ultralytics版本)教程
YOLOv8	指标/写作 篇	👉 从零开始训练 YOLOv8最新8.1版本	芒果YOLOv8改进56：提升篇：从零开始训练 YOLOv8最新8.1版本教程说明（包含Mac、Windows、Linux端 ）同之前的项目版本代码有区别
YOLOv8	指标/写作 篇	👉 打印FPS指标	芒果YOLOv8改进43：写作篇：一文了解YOLOv8如何打印FPS指标
YOLOv8	指标/写作 篇	👉 超参数搜索	芒果YOLOv8改进44：训练调优篇：一文了解YOLOv8进化超参数：《超参数搜索调优解析》训练教程（附训练代码）
YOLOv8	指标/写作 篇	👉 加载预训练权重	芒果YOLOv8改进45：训练调优篇：一文了解YOLOv8使用自定义改进后的模型同时《加载官方预训练权重》教程，附代码
YOLOv8	指标/写作 篇	👉 将多种改进算法的Loss精度曲线图绘制到一张图上	芒果YOLOv8改进46：写作篇：新增YOLOv8的实验对比Loss指标，即插即用，将多种改进算法的Loss精度曲线图绘制到一张图上，便于获取更多精度数据，丰富实验数据(内附源代码)
YOLOv8	指标/写作 篇	👉 YOLOv8实验对比COCOmAP指标	芒果YOLOv8改进47：写作篇：新增YOLOv8实验对比COCOmAP指标，即插即用，输出自定义数据集中small、medium、large大中小目标的mAP值，适用于自定义数据集（内附源代码）
YOLOv8	指标/写作 篇	👉 自定义绘制性能对比折线图	芒果YOLOv8改进51：SCI期刊写作必备篇：新增一键生成YOLOv8等主流模型同款图表｜绘制目标检测领域YOLO论文常见的性能对比折线图，包含多种不同功能风格对比图表
YOLOv8	指标/写作 篇	👉 Baseline改进	芒果YOLOv8改进53：提升篇：YOLOv8的Baseline改进：打造更方便版本NEW YOLOv8
YOLOv8	指标/写作 篇	👉 全方位角度改进	芒果YOLOv8改进54：提升篇：YOLOv8改进代码原创大全集，全方位角度对YOLOv8模型进行改进，推荐
YOLOv8	指标/写作 篇	👉 持续更新ing	持续更新ing
YOLOv8	指标/写作 篇	👉 图片可视化	芒果YOLOv8改进85：写作篇：YOLOv8将检测图片进行可视化：效果超过YOLOv5模型，丰富改进模型的检测展示
YOLOv8	指标/写作 篇	👉 SAHI切片辅助	芒果YOLOv8改进91：提升篇：YOLOv8使用SAHI切片辅助推理：《SAHI切片辅助推理解析》推理教程（附推理源代码）
YOLOv8	指标/写作 篇	👉 YOLOv8热力图	芒果YOLOv8改进92：提升篇：深度集成版YOLOv8热力图来了！支持自定义数据集训练出来的模型
YOLOv8	目标对象计数 篇	👉 目标对象计数	芒果YOLOv8改进90：多任务之目标对象计数篇：目标对象计数，深度集成版来了！支持自定义数据集训练自定义模型
YOLOv8	改进 篇	👉持续更新ing	持续更新ing

 专栏地址👉： 芒果YOLOv8改进专栏

 专栏地址👉： 芒果YOLOv8改进专栏