導讀

出品YOLOv5的公司發布了最新的YOLOv8！一起來看看YOLOv8的結構亮點。

回顧一下YOLOv5，不然沒機會了

這里粗略回顧一下，這里直接提供YOLOv5的整理的結構圖吧：

Backbone：CSPDarkNet結構，主要結構思想的體現在C3模塊，這里也是梯度分流的主要思想所在的地方；

PAN-FPN：雙流的FPN，必須香，也必須快，但是量化還是有些需要圖優化才可以達到最優的性能，比如cat前后的scale優化等等，這里除了上采樣、CBS卷積模塊，最為主要的還有C3模塊（記住這個C3模塊哦）；

Head：Coupled Head+Anchor-base，毫無疑問，YOLOv3、YOLOv4、YOLOv5、YOLOv7都是Anchor-Base的，后面會變嗎？

Loss：分類用BEC Loss，回歸用CIoU Loss。

話不多說，直接YOLOv8吧！

直接上YOLOv8的結構圖吧，小伙伴們可以直接和YOLOv5進行對比，看看能找到或者猜到有什么不同的地方？

下面就直接揭曉答案吧，具體改進如下：

Backbone：使用的依舊是CSP的思想，不過YOLOv5中的C3模塊被替換成了C2f模塊，實現了進一步的輕量化，同時YOLOv8依舊使用了YOLOv5等架構中使用的SPPF模塊；

PAN-FPN：毫無疑問YOLOv8依舊使用了PAN的思想，不過通過對比YOLOv5與YOLOv8的結構圖可以看到，YOLOv8將YOLOv5中PAN-FPN上采樣階段中的卷積結構刪除了，同時也將C3模塊替換為了C2f模塊；

Decoupled-Head：是不是嗅到了不一樣的味道？是的，YOLOv8走向了Decoupled-Head；

Anchor-Free：YOLOv8拋棄了以往的Anchor-Base，使用了Anchor-Free的思想；

損失函數：YOLOv8使用VFL Loss作為分類損失，使用DFL Loss+CIOU Loss作為分類損失；

樣本匹配：YOLOv8拋棄了以往的IOU匹配或者單邊比例的分配方式，而是使用了Task-Aligned Assigner匹配方式。

1、C2f模塊是什么？與C3有什么區別？

我們不著急，先看一下C3模塊的結構圖，然后再對比與C2f的具體的區別。針對C3模塊，其主要是借助CSPNet提取分流的思想，同時結合殘差結構的思想，設計了所謂的C3 Block，這里的CSP主分支梯度模塊為BottleNeck模塊，也就是所謂的殘差模塊。同時堆疊的個數由參數n來進行控制，也就是說不同規模的模型，n的值是有變化的。

其實這里的梯度流主分支，可以是任何之前你學習過的模塊，比如，美團提出的YOLOv6中就是用來重參模塊RepVGGBlock來替換BottleNeck Block來作為主要的梯度流分支，而百度提出的PP-YOLOE則是使用了RepResNet-Block來替換BottleNeck Block來作為主要的梯度流分支。而YOLOv7則是使用了ELAN Block來替換BottleNeck Block來作為主要的梯度流分支。

C3模塊的Pytorch的實現如下：

classC3(nn.Module):
#CSPBottleneckwith3convolutions
def__init__(self,c1,c2,n=1,shortcut=True,g=1,e=0.5):#ch_in,ch_out,number,shortcut,groups,expansion
super().__init__()
c_=int(c2*e)#hiddenchannels
self.cv1=Conv(c1,c_,1,1)
self.cv2=Conv(c1,c_,1,1)
self.cv3=Conv(2*c_,c2,1)#optionalact=FReLU(c2)
self.m=nn.Sequential(*(Bottleneck(c_,c_,shortcut,g,e=1.0)for_inrange(n)))

defforward(self,x):
returnself.cv3(torch.cat((self.m(self.cv1(x)),self.cv2(x)),1))

下面就簡單說一下C2f模塊，通過C3模塊的代碼以及結構圖可以看到，C3模塊和名字思路一致，在模塊中使用了3個卷積模塊（Conv+BN+SiLU），以及n個BottleNeck。

通過C3代碼可以看出，對于cv1卷積和cv2卷積的通道數是一致的，而cv3的輸入通道數是前者的2倍，因為cv3的輸入是由主梯度流分支（BottleNeck分支）依舊次梯度流分支（CBS，cv2分支）cat得到的，因此是2倍的通道數，而輸出則是一樣的。

不妨我們再看一下YOLOv7中的模塊：

YOLOv7通過并行更多的梯度流分支，放ELAN模塊可以獲得更豐富的梯度信息，進而或者更高的精度和更合理的延遲。

C2f模塊的結構圖如下：

我們可以很容易的看出，C2f模塊就是參考了C3模塊以及ELAN的思想進行的設計，讓YOLOv8可以在保證輕量化的同時獲得更加豐富的梯度流信息。

C2f模塊對應的Pytorch實現如下：

classC2f(nn.Module):
#CSPBottleneckwith2convolutions
def__init__(self,c1,c2,n=1,shortcut=False,g=1,e=0.5):#ch_in,ch_out,number,shortcut,groups,expansion
super().__init__()
self.c=int(c2*e)#hiddenchannels
self.cv1=Conv(c1,2*self.c,1,1)
self.cv2=Conv((2+n)*self.c,c2,1)#optionalact=FReLU(c2)
self.m=nn.ModuleList(Bottleneck(self.c,self.c,shortcut,g,k=((3,3),(3,3)),e=1.0)for_inrange(n))

defforward(self,x):
y=list(self.cv1(x).split((self.c,self.c),1))
y.extend(m(y[-1])forminself.m)
returnself.cv2(torch.cat(y,1))

SPPF改進了什么？

這里講解的文章就很多了，這里也就不具體描述了，直接給出對比圖了

上圖中，左邊是SPP，右邊是SPPF。

PAN-FPN改進了什么？

我們先看一下YOLOv5以及YOLOv6的PAN-FPN部分的結構圖：

YOLOv5的Neck部分的結構圖如下：

YOLOv6的Neck部分的結構圖如下：

我們再看YOLOv8的結構圖：

可以看到，相對于YOLOv5或者YOLOv6，YOLOv8將C3模塊以及RepBlock替換為了C2f，同時細心可以發現，相對于YOLOv5和YOLOv6，YOLOv8選擇將上采樣之前的1×1卷積去除了，將Backbone不同階段輸出的特征直接送入了上采樣操作。

Head部分都變了什么呢？

先看一下YOLOv5本身的Head（Coupled-Head）：

而YOLOv8則是使用了Decoupled-Head，同時由于使用了DFL 的思想，因此回歸頭的通道數也變成了4*reg_max的形式：

對比一下YOLOv5與YOLOv8的YAML

損失函數

對于YOLOv8，其分類損失為VFL Loss，其回歸損失為CIOU Loss+DFL的形式，這里Reg_max默認為16。

VFL主要改進是提出了非對稱的加權操作，FL和QFL都是對稱的。而非對稱加權的思想來源于論文PISA，該論文指出首先正負樣本有不平衡問題，即使在正樣本中也存在不等權問題，因為mAP的計算是主正樣本。

q是label，正樣本時候q為bbox和gt的IoU，負樣本時候q=0，當為正樣本時候其實沒有采用FL，而是普通的BCE，只不過多了一個自適應IoU加權，用于突出主樣本。而為負樣本時候就是標準的FL了?？梢悦黠@發現VFL比QFL更加簡單，主要特點是正負樣本非對稱加權、突出正樣本為主樣本。

針對這里的DFL（Distribution Focal Loss），其主要是將框的位置建模成一個 general distribution，讓網絡快速的聚焦于和目標位置距離近的位置的分布。

DFL 能夠讓網絡更快地聚焦于目標 y 附近的值，增大它們的概率；

DFL的含義是以交叉熵的形式去優化與標簽y最接近的一左一右2個位置的概率，從而讓網絡更快的聚焦到目標位置的鄰近區域的分布；也就是說學出來的分布理論上是在真實浮點坐標的附近，并且以線性插值的模式得到距離左右整數坐標的權重。

樣本的匹配

標簽分配是目標檢測非常重要的一環，在YOLOv5的早期版本中使用了MaxIOU作為標簽分配方法。然而，在實踐中發現直接使用邊長比也可以達到一阿姨你的效果。而YOLOv8則是拋棄了Anchor-Base方法使用Anchor-Free方法，找到了一個替代邊長比例的匹配方法，TaskAligned。

為與NMS搭配，訓練樣例的Anchor分配需要滿足以下兩個規則：

正常對齊的Anchor應當可以預測高分類得分，同時具有精確定位；

不對齊的Anchor應當具有低分類得分，并在NMS階段被抑制?；谏鲜鰞蓚€目標，TaskAligned設計了一個新的Anchor alignment metric 來在Anchor level 衡量Task-Alignment的水平。并且，Alignment metric 被集成在了 sample 分配和 loss function里來動態的優化每個 Anchor 的預測。

Anchor alignment metric：

分類得分和 IoU表示了這兩個任務的預測效果，所以，TaskAligned使用分類得分和IoU的高階組合來衡量Task-Alignment的程度。使用下列的方式來對每個實例計算Anchor-level 的對齊程度：

s 和 u 分別為分類得分和 IoU 值，α 和 β 為權重超參。從上邊的公式可以看出來，t 可以同時控制分類得分和IoU 的優化來實現 Task-Alignment，可以引導網絡動態的關注于高質量的Anchor。

Training sample Assignment：

為提升兩個任務的對齊性，TOOD聚焦于Task-Alignment Anchor，采用一種簡單的分配規則選擇訓練樣本：對每個實例，選擇m個具有最大t值的Anchor作為正樣本，選擇其余的Anchor作為負樣本。然后，通過損失函數(針對分類與定位的對齊而設計的損失函數)進行訓練。

審核編輯：劉清