整体结构

一眼看过去是不是人都要晕了？逐层看看具体是怎么回事吧~

从ultralytics\cfg\models\v8中找到yolov8相应.yaml文件。

backbone部分

backbone:

[from, repeats, module, args]
[-1, 1, Conv, [64, 3, 2]] # 0-P1/2--使用64个3* 3的卷积核，步幅为2进行卷积（输入图像需为64通道） /2表示经过该层后，得到的图像是原本的一半
[-1, 1, Conv, [128, 3, 2]] # 1-P2/4
[-1, 3, C2f, [128, True]]--进行3次C2f操作，每次操作使用128个通道，最后一次操作使用降维(True)
[-1, 1, Conv, [256, 3, 2]] # 3-P3/8
[-1, 6, C2f, [256, True]]
[-1, 1, Conv, [512, 3, 2]] # 5-P4/16
[-1, 6, C2f, [512, True]]
[-1, 1, Conv, [1024, 3, 2]] # 7-P5/32
[-1, 3, C2f, [1024, True]]
[-1, 1, SPPF, [1024, 5]] # 9--使用1024个通道的SPPF（空间金字塔池化）层，并使用5个不同大小的池化核进行操作。

from：

repeats:

module：

args：

表示向不同模块内传递的参数
- 即【ch_out kernel stride padding groups】,但是没有ch_in(因为输入都是上一层的输出)
- 输出通道、核大小、步长、填充、组

head:

[-1, 1, nn.Upsample, [None, 2, "nearest"]]--上采样操作(nn.Upsample)，将特征图上采样两倍，采用最近邻插值。
[[-1, 6], 1, Concat, [1]] # cat backbone P4--将backbone中P4层的特征图与上一步上采样的特征图进行拼接。（在第11层，将第10层的输出和第6层的输出进行拼接）
[-1, 3, C2f, [512]] # 12
[-1, 1, nn.Upsample, [None, 2, "nearest"]]
[[-1, 4], 1, Concat, [1]] # cat backbone P3--（在第14层，将第13层的输出和第4层的输出进行拼接）
[-1, 3, C2f, [256]] # 15 (P3/8-small)
[-1, 1, Conv, [256, 3, 2]]
[[-1, 12], 1, Concat, [1]] # cat head P4--第16层的输出与第12层的输出（经处理过后的P4特征）拼接
[-1, 3, C2f, [512]] # 18 (P4/16-medium)
[-1, 1, Conv, [512, 3, 2]]
[[-1, 9], 1, Concat, [1]] # cat head P5
[-1, 3, C2f, [1024]] # 21 (P5/32-large)
[[15, 18, 21], 1, Detect, [nc]] # Detect(P3, P4, P5)--将来自P3、P4和P5层的特征图作为输入，执行目标检测操作，并生成最终的检测结果。

nc: 80 # number of classes

scales: # model compound scaling constants, i.e. 'model=yolov8n.yaml' will call yolov8.yaml with scale 'n'（控制模型的深度和宽度）

如第一个Conv层，ch_out=64，v8n在实际运算过程中，会将卷积核变为64* 0.25，即输出16通道的特征图；在第二层即C2f层，原本需重复三次，如今只需重复1次

[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
m: [0.67, 0.75, 768] # YOLOv8m summary: 295 layers, 25902640 parameters, 25902624 gradients, 79.3 GFLOPs
l: [1.00, 1.00, 512] # YOLOv8l summary: 365 layers, 43691520 parameters, 43691504 gradients, 165.7 GFLOPs
x: [1.00, 1.25, 512] # YOLOv8x summary: 365 layers, 68229648 parameters, 68229632 gradients, 258.5 GFLOPs

小结：其实没多复杂的，顺一遍就好了- -