目标检测--Yolov8

YoloV8 和YoloV5类似，主要是对Yolov5上的一些改进与创新

整体网络架构

整体网络架构如图：

对比YoloV5:

先看整体架构，和V5 类似，也是使用了Backbone, neck, head 的方式，最终输出三个特征层。

Backbone

Backbone 中使用了改进的CSPDarNet，与V5的CSP DarkNet 相比，有以下不同：

1. 在YOLOv8中，self.stem的ksize（卷积核大小）是3，而在YOLOv5中是6。

2. YOLOv8使用了C2fLayer，而YOLOv5使用了CSPLayer。

3. YOLOv8中的num_blocks（块的数量）是[3,6,6,3]，而YOLOv5中是[3,6,9,3]。

4. M/L/X版本的最后一阶段的通道数有所不同。

拿第一个阶段的C2fLayer 和CSPLayer 对比：

这里我看的是PaddleYolo 复现Yolov8的代码，因为习惯用PaddlePaddle

c2f: 输入是128，然后走一个1*1 的BaseConv(卷积+池化+激活)输出还是128,，然后使用split 分成两个64，最后那个继续往下走3次bottlenecks(两个3*3De BaseConv,输出大小不变)，并将每次经过bottlenecks 的结果存下来