YOLOv8可以完成检测、分类、分割任务
1. yolov8网络结构
2. 基础组件
2.1 C2f
- C（Cross Stage Partial） ：继承了 YOLOv5 中 CSP 的核心思想，即通过将特征图分为两部分并在不同阶段进行融合，以减少计算量并提升特征提取效率。
- 2（2 convolutions） ：表示在 C2F 模块中使用了 两个卷积层 来处理特征图。这两个卷积层分别用于特征的分割和融合。
- F（Fusion） ：强调了模块的核心功能是 特征融合，通过将不同阶段的特征图进行融合，增强模型的表达能力。
2.2 Bottleneck
shortcut=True
shortcut =False
2.3 SPPF
2.4 CBS
2.5 Detect
3. Backbone
骨干网络和 Neck 部分可能参考了 YOLOv7 ELAN 设计思想，将 YOLOv5 的 C3 结构换成了梯度流更丰富的 C2f 结构，并对不同尺度模型调整了不同的通道数。
3.1 c2f
所有的C3模块换成了C2f，使用了更多的跳层连接和额外的Split操作。
4. Neck
5. Head
Head部分较yolov5而言有两大改进：1）换成了目前主流的解耦头结构(Decoupled-Head)，将分类和检测头分离 2）同时也从 Anchor-Based 换成了 Anchor-Free
从原先的耦合头变成了解耦头，并且从 YOLOv5 的 Anchor-Based 变成了 Anchor-Free。
数据增强
数据增强方面和 YOLOv5 差距不大，只不过引入了 YOLOX 中提出的最后 10 个 epoch 关闭 Mosaic 的操作。
