一. YOLOv8網絡結構

1. Backbone

YOLOv8的Backbone同樣參考了CSPDarkNet-53網絡，我們可以稱之為CSPDarkNet結構吧，與YOLOv5不同的是，YOLOv8使用C2f(CSPLayer_2Conv)代替了C3模塊(如果你比較熟悉YOLOv5的網絡結構，那YOLOv8的網絡結構理解起來就easy了)。

如圖1所示為YOLOv8網絡結構圖(引用自MMYOLO)，對比圖2的YOLOv5結構圖，可以看到基本的架構是類似的。

這里值得注意的是，很多博文中寫到YOLOv8使用了CSPDarkNet53作為backbone，當然是可以用的，但是官方代碼中明顯不是套用的CSPDarkNet53網絡結構。事實上，YOLOv5的主干也并非是CSPDarkNet53網絡。

圖1 YOLOv8網絡架構

圖2 YOLOv5網絡架構

2. Neck

YOLOv8的Neck使用的也是類似于YOLOv5的PAN-FPN，稱作雙流FPN，高效，速度快。

3. Head

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

YOLOv8也使用3個輸出分支，但是每一個輸出分支又分為2部分，分別來分類和回歸邊框(參照圖1的Decoupled Head)。

二. 細說Backbone

前面講到，YOLOv8的Backbone類似于YOLOv5的Backbone，不同點是將C3換成了C2F，以及將第一個Convolution層設置為kernel size等于3，stride為2（YOLOv5的Kernel Size為6，padding為2）。

1. C2F與C3對比

那么C2F與C3單元相比，有什么優勢呢？我們先上各自的網絡結構圖。如圖3為C3結構圖，圖4為C2F結構圖。

圖4中，每一個Bottleneck的輸入Tensor的Channel都只有上一級的0.5倍，因此計算量明顯降低。從另一方面講，梯度流的增加，也能夠明顯提升收斂速度和收斂效果。

圖3 C3單元

圖4 C2F單元

2. Bottleneck

YOLOv8的C2F使用了Bottleneck單元，但需要注意的是，Darknet所引入的Bottleneck不同于ResNet的Bottleneck。如圖5和圖6分別為Darknet的Bottleneck和ResNet的Bottelneck。

由圖5和圖6可以看出，Darknet的Bottleneck單元并未使用最后的1*1卷積進行通道的恢復，而是直接在中間的3*3卷積中進行了恢復。

此處大家進記住一點即可，Bottleneck可以大大減少參數，降低計算量。

圖5 Darknet Bottleneck

圖6 ResNet Bottleneck

三. Neck

YOLOv8的Neck采用了PANet結構。如圖7為網絡局部圖。

由圖7可以看出，Backbone最后經過了一個SPPF(SPP Fast，圖示Layer9)，之后H和W已經經過了32被的下采樣。對應的，Layer4經過了8被下采樣，Layer6經過了16背的下采樣。設定輸入為640*640，得到Layer4、Layer6、Layer9的分辨率分別為80*80、40*40和20*20。

Layer4、Layer6、Layer9作為PANnet結構的輸入，經過上采樣，通道融合，最終將PANet的三個輸出分支送入到Detect head中進行Loss的計算或結果解算。

與FPN(單向，自上而下)不同，PANet是一個雙向通路網絡。與FPN相比，PANet引入了自下向上的路徑，使得底層信息更容易傳遞到高層頂部(紅色曲線標注路線)。

圖7 YOLOv8 Neck(PANet)

四. Detect Head

YOLOv8采用了類似于YOLOX的Decoupled Head，將回歸分支和預測分支進行分離。Decoupled Head的有點可以參考YOLOX的論文中提到的，收斂更快，效果更好。

需要特別提及的是，YOLOv8的Detect Head中，針對回歸分支使用了DFL策略，之前的目標檢測網絡將回歸坐標作為一個確定性單值進行預測，DFL將坐標轉變成了一個分布。

DFL理論主要用來解決邊界模糊的問題。詳細了解可以參考論文“Generalized Focal Loss: Learning Qualified and Distributed Bounding Boxes for Dense Object Detection”。