【YOLO系列】网络结构图详解

原创

已于 2025-07-12 19:22:14 修改 · 1w 阅读

105 ·

CC 4.0 BY-SA版权

文章标签：

#YOLO #目标跟踪 #人工智能

于 2025-06-18 22:06:48 首次发布

该文章已生成可运行项目，

这里写目录标题

一、YOLOv11网络结构图
yolo11.yaml文件讲解
二、 YOLOv12网络结构图
三、YOLOv8网络结构图
- yolov8.yaml

一、YOLOv11网络结构图

在这里插入图片描述

yolo11.yaml文件讲解

参考博客：YOLO11网络结构详细解析（以n版本为例）

# Ultralytics YOLO 🚀, AGPL-3.0 license
# YOLOv11 object detection model with P3/8-P5/32 outputs. For Usage examples see https://docs.ultralytics.com/tasks/detect

# Parameters
nc: 80  # 类别数目"number of classes"，即模型用于检测的对象类别总数。由于默认使用COCO数据集所以为80；
scales: # 模型复合缩放常数，用于定义模型的不同尺寸和复杂度。例如 'model=yolov11n.yaml' 将调用带有 'n' 缩放的 yolov11.yaml
  # 参数含义：[depth, width, max_channels]，depth（网络深度缩放因子）width（网络宽度缩放因子）max_channels（最大通道数）
  n: [0.50, 0.25, 1024]  # YOLOv11n概览：181层, 2624080参数, 2624064梯度, 6.6 GFLOPs
  s: [0.50, 0.50, 1024]  # YOLOv11s概览：181层, 9458752参数, 9458736 gradients, 21.7 GFLOPs
  m: [0.50, 1.00, 512]   # YOLOv11m概览：231层, 20114688参数, 20114672 gradients, 68.5 GFLOPs
  l: [1.00, 1.00, 512]   # YOLOv11l概览：357层, 25372160参数, 25372144 gradients, 87.6 GFLOPs
  x: [1.00, 1.50, 512]   # YOLOv11x概览：357层, 56966176参数, 56966160 gradients, 196.0 GFLOPs

# YOLOv11 backbone 骨干层，采用改进的CSP结构与注意力机制
backbone:
  # [from, repeats, module, args] 表示层的来源、重复次数、模块类型和参数
  - [-1, 1, Conv, [64, 3, 2]]  # 0-P1/2
   # 第0层，-1代表将上层的输出作为本层的输入。第0层的输入是640*640*3的图像。Conv代表卷积层，参数：64代表输出通道数，3代表卷积核大小k，2代表stride步长。卷积后输出的特征图尺寸为320*320*64，长宽为初始图片的1/2
  - [-1, 1, Conv, [128, 3, 2]]  # 1-P2/4
   # 第1层，进行卷积操作（128代表输出通道数，3代表卷积核大小k，2代表stride步长）。卷积后输出的特征图尺寸为160*160*128，长宽为初始图片的1/4
  - [-1, 2, C3k2, [256, False, 0.25]]  # 2
   # 第2层，本层是C3k2模块（YOLOv11特有的轻量级CSP模块），2代表本层重复2次。参数：256代表输出通道数，False表示不使用C3k子模块，0.25表示瓶颈层比例。输出的特征图尺寸为160*160*256。
  - [-1, 1, Conv, [256, 3, 2]]  # 3-P3/8
   # 第3层，进行卷积操作（256代表输出通道数，3代表卷积核大小k，2代表stride步长），输出特征图尺寸为80*80*256，特征图的长宽已经变成输入图像的1/8。
  - [-1, 2, C3k2, [512, False, 0.25]]  # 4
   # 第4层，C3k2模块重复2次，输出通道数512，False表示不使用C3k子模块，瓶颈层比例0.25。输出特征图尺寸为80*80*512。
  - [-1, 1, Conv, [512, 3, 2]]  # 5-P4/16
   # 第5层，进行卷积操作，输出通道数512，步长2，输出特征图尺寸为40*40*512，特征图的长宽已经变成输入图像的1/16。
  - [-1, 2, C3k2, [512, True]]  # 6
   # 第6层，C3k2模块重复2次，输出通道数512，True表示使用C3k子模块（增强特征提取能力）。输出特征图尺寸为40*40*512。
  - [-1, 1, Conv, [1024, 3, 2]]  # 7-P5/32
   # 第7层，进行卷积操作，输出通道数1024，步长2，输出特征图尺寸为20*20*1024，特征图的长宽已经变成输入图像的1/32。
  - [-1, 2, C3k2, [1024, True]]  # 8
   # 第8层，C3k2模块重复2次，输出通道数1024，使用C3k子模块。输出特征图尺寸为20*20*1024。
  - [-1, 1, SPPF, [1024, 5]]  # 9
   # 第9层，本层是快速空间金字塔池化层（SPPF）。1024代表输出通道数，5代表池化核大小k。通过多尺度池化增强特征多样性，输出特征图尺寸为20*20*1024。
  - [-1, 2, C2PSA, [1024]]  # 10
   # 第10层，本层是C2PSA模块（含通道和空间注意力机制），2代表重复2次，1024代表输出通道数。通过注意力机制增强特征表达能力，输出特征图尺寸为20*20*1024。

# YOLOv11 head 头部层，采用PANet结构实现多尺度特征融合
head:
  - [-1, 1, nn.Upsample, [None, 2, "nearest"]]  # 11
   # 第11层，本层是上采样层。None代表上采样的size=None（输出尺寸）不指定。2代表scale_factor=2，表示输出的尺寸是输入尺寸的2倍。mode=nearest代表使用的上采样算法为最近邻插值算法。经过这层之后，特征图的长和宽变成原来的两倍，通道数不变，所以最终尺寸为40*40*1024。
  - [[-1, 6], 1, Concat,