tecsai的博客

YOLOv8官方训练代码结构已经完全不同于以往的YOLO系列，但仍是有迹可循的。

首先YOLOv8是支持目标分类、检测和目标分割。当前以应用最为广泛的目标检测为例，简单说明数据相关的信息。

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)。

YOLOv8从Anchor-Based换成了Anchor-Free，检测头也换成了Decoupled Head，论文和网络资源中有大量的介绍，本文不做过多的概述。YOLOv8采用了TAL(Task Alignment Learning)任务对齐分配技术（正负样本分配），并引入了DFL(Distribution Focal Loss)结合CIoU Loss做回归分支的损失函数，使用BCE做分类损失，使得分类和回归任务之间具有较高的对齐一致性。