YOLOv8 : 网络结构_yolov8网络结构详解

一. YOLOv8网络结构

1. Backbone

YOLOv8的Backbone同样参考了CSPDarkNet-53网络，我们可以称之为CSPDarkNet结构吧，与YOLOv5不同的是，YOLOv8使用C2f(CSPLayer_2Conv)代替了C3模块(如果你比较熟悉YOLOv5的网络结构，那YOLOv8的网络结构理解起来就easy了)。

如图1所示为YOLOv8网络结构图(引用自MMYOLO)，对比图2的YOLOv5结构图，可以看到基本的架构是类似的。

这里值得注意的是，很多博文中写到YOLOv8使用了CSPDarkNet53作为backbone，当然是可以用的，但是官方代码中明显不是套用的CSPDarkNet53网络结构。事实上，YOLOv5的主干也并非是CSPDarkNet53网络。

图1 YOLOv8网络架构

图2 YOLOv5网络架构

2. Neck

YOLOv8的Neck使用的也是类似于YOLOv5的PAN-FPN，称作双流FPN，高效，速度快。

3. Head

与之前的YOLOv6，YOLOX类似，使用了Decoupled Head，YOLOv3、YOLOv4、YOLOv5均使用Coupled Head。

YOLOv8也使用3个输出分支，但是每一个输出分支又分为2部分，分别来分类和回归边框(参照图1的Decoupled Head)。

二. 细说Backbone

前面讲到，YOLOv8的Backbone类似于YOLOv5的Backbone，不同点是将C3换成了C2F，以及将第一个Convolution层设置为kernel size等于3，stride为2（YOLOv5的Kernel Size为6，padding为2）。

1. C2F与C3对比

那么C2F与C3单元相比，有什么优势呢？我们先上各自的网络结构图。如图3为C3结构图，图4为C2F结构图。

图4中，每一个Bottleneck的输入Tensor的Channel都只有上一级的0.5倍，因此计算量明显降低。从另一方面讲，梯度流的增加，也能够明显提升收敛速度和收敛效果。

图3 C3单元

图4 C2F单元

2. Bottleneck

YOLOv8的C2F使用了Bottleneck单元，但需要注意的是，Darknet所引入的Bottleneck不同于ResNet的Bottleneck。如图5和图6分别为Darknet的Bottleneck和ResNet的Bottelneck。

由图5和图6可以看出，Darknet的Bottleneck单元并未使用最后的1*1卷积进行通道的恢复，而是直接在中间的3*3卷积中进行了恢复。

此处大家进记住一点即可，Bottleneck可以大大减少参数，降低计算量。

图5 Darknet Bottleneck

图6 ResNet Bottleneck

三. Neck

YOLOv8的Neck采用了PANet结构。如图7为网络局部图。

由图7可以看出，Backbone最后经过了一个SPPF(SPP Fast，图示Layer9)，之后H和W已经经过了32被的下采样。对应的，Layer4经过了8被下采样，Layer6经过了16背的下采样。设定输入为640*640，得到Layer4、Layer6、Layer9的分辨率分别为80*80、40*40和20*20。

Layer4、Layer6、Layer9作为PANnet结构的输入，经过上采样，通道融合，最终将PANet的三个输出分支送入到Detect head中进行Loss的计算或结果解算。

与FPN(单向，自上而下)不同，PANet是一个双向通路网络。与FPN相比，PANet引入了自下向上的路径，使得底层信息更容易传递到高层顶部(红色曲线标注路线)。

图7 YOLOv8 Neck(PANet)

四. Detect Head

YOLOv8采用了类似于YOLOX的Decoupled Head，将回归分支和预测分支进行分离。Decoupled Head的有点可以参考YOLOX的论文中提到的，收敛更快，效果更好。

需要特别提及的是，YOLOv8的Detect Head中，针对回归分支使用了DFL策略，之前的目标检测网络将回归坐标作为一个确定性单值进行预测，DFL将坐标转变成了一个分布。

DFL理论主要用来解决边界模糊的问题。详细了解可以参考论文“Generalized Focal Loss: Learning Qualified and Distributed Bounding Boxes for Dense Object Detection”。