YOLOv8 多种任务网络结构详细解析 | 目标检测、实例分割、人体关键点检测、图像分类-Backbone

1. yolov8m

2. yolov8m-p2

3. yolov8m-p6

4. 细节

• 图中 CBS = Conv2d + BatchNorm2d + SiLU，上方为卷积参数对应 size, stride, padding
• 各模块细节至 附录 - Block Modules 查看
• yolov8m-p2 通过增加一次上采样，与 2-P2 融合得到针对小目标的 P2 输出。
• yolov8m-p6 通过增加一次下采样和一次上采样，与 10-P6 融合得到针对大目标的 P6 输出；因为多了一次下采样需要图像的分辨率能被64整除，所以图像预处理输出的分辨率有所不同。
• yolov8m-p6 将 SPPF 之后的 C2f 模块替换为了 C2 模块。
• SPPF 之前的 C2f 模块中的 Bottleneck 启用 add，而其之后的 C2f / C2 中的 Bottleneck 未启用 add

5. Image Preprocess

  上图按 yolov8m-p6 绘制，LetterBox 环节先保持长宽比将图像较长边缩放至 640，再对四周做填充，使 $h,w$ 都可被模型最大下采样倍率整除（$p6\to 2^6=64$）

img = cv2.copyMakeBorder(
	img, top, bottom, left, right, cv2.BORDER_CONSTANT, value=(114, 114, 114)
)