结合YOLOv8源码逐层解读yaml文件的配置

YOLO大师

已于 2024-05-30 21:56:01 修改

阅读量1.7k

点赞数 1

分类专栏： YOLOV8基础解析+创新改进+实战案例文章标签： YOLO python

于 2024-04-11 22:42:25 首次发布

原创文章，禁止任何形式转载！

本文链接：https://blog.youkuaiyun.com/shangyanaf/article/details/137656355

版权

YOLOV8基础解析+创新改进+实战案例专栏收录该内容

163 篇文章 ¥99.90 ¥299.90

订阅专栏

本文详细解读YOLOv8的yaml配置文件，涵盖Backbone和Head部分，从卷积层到C2f模块，解析各层作用与输出特征图尺寸。通过理解配置文件，深入理解YOLOv8模型结构。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

YOLO目标检测创新改进与实战案例专栏

专栏目录： YOLO有效改进系列及项目实战目录包含卷积，主干注意力，检测头等创新机制以及各种目标检测分割项目实战案例

专栏链接: YOLO基础解析+创新改进+实战案例

yolov8.yaml可在此链接下载 : https://github.com/ultralytics/ultralytics/tree/main/ultralytics/cfg/models/v8

nc：数据集类别数

scales：不同尺寸的模型大小

# YOLOv8 object detection model with P3-P5 outputs. For Usage examples see https://docs.ultralytics.com/tasks/detect

# Parameters
nc: 80 # number of classes
scales: # model compound scaling constants, i.e. 'model=yolov8n.yaml' will call yolov8.yaml with scale 'n'
  # [depth, width, max_channels]
  n: [0.33, 0.25, 1024] # YOLOv8n summary: 225 layers,  3157200 parameters,  3157184 gradients,   8.9 GFLOPs
  s: [0.33, 0.50, 1024] # YOLOv8s summary: 225 layers, 11166560 parameters, 11166544 gradients,  28.8 GFLOPs