一、宏观定位与生态区别
二、网络架构核心区别
1. Backbone（主干网络）
YOLOv5：CSPDarknet53
- 核心模块：C3模块（CSP Bottleneck with 3 convolutions）
- 结构：借鉴CSPNet，将特征图分为两部分，一部分经过卷积，一部分直接连接，减少计算量
- 激活函数：SiLU（训练） / Hardswish（部分部署）
YOLOv8：改进的CSPDarknet
- 核心模块：C2f模块（CSPDarknet with 2 convolutions and 更多分支）
C3 vs C2f 对比
C3: Conv → Bottleneck × N → Conv （单一路径）
C2f: Conv → Split → [Bottleneck × N] → Concat → Conv （多分支并行）
-
改进点：
- 更多的梯度回传分支，训练时信息流动更丰富
- 在相同计算量下，特征重用率更高
- 为后续的特征金字塔提供更丰富的语义信息
影响：YOLOv8的Backbone参数量略增，但梯度流动更顺畅，训练更容易收敛。
2. Neck（特征金字塔）
YOLOv5：PANet（Path Aggregation Network）
- 结构：FPN（自顶向下） + PAN（自底向上）的双向融合
- 融合方式：直接相加（add） 或 拼接（concat）
YOLOv8：改进的PANet
-
结构：仍然是FPN+PAN，但上采样阶段的融合方式改变
-
关键改进：
- 在FPN阶段，去除了一些1x1卷积，减少计算量
- 在PAN阶段，使用了更深的融合路径
- 输出的特征图尺寸略有调整（P3, P4, P5更加均衡）
影响：YOLOv8的特征融合效率更高，特别是在小目标检测上有所提升。
3. Head（检测头）—— 最大的架构变革
YOLOv5：耦合头（Coupled Head） + Anchor-Based
- 结构：一个卷积层同时输出分类和回归结果
- 输出：
(cls + 4 + 1) × 3（分类数 + 坐标 + 置信度）× 锚框数 - Anchor依赖：需要预先聚类Anchor，训练和推理都依赖
YOLOv8：解耦头（Decoupled Head） + Anchor-Free
-
解耦设计：
- 分类分支：单独一组卷积，输出类别概率
- 回归分支：单独一组卷积，输出边界框坐标
- 回归分支还包含 IoU分支（预测框与GT的IoU）
-
Anchor-Free：
- 不再需要预设Anchor
- 直接预测中心点 + 宽高（或上下左右距离）
- 正样本分配基于中心点距离 + 尺度匹配
三、训练策略与损失函数
1. 正负样本分配（Label Assignment）
YOLOv5：静态分配
- 基于Anchor与GT的IoU：IoU > 阈值（如0.5）为正样本
- 每个GT可能匹配多个Anchor
- 规则固定，不随训练动态调整
YOLOv8：动态分配（TaskAligned Assigner）
- 同时考虑分类得分和回归质量：
alignment_metric = classification_score^α × IoU^β
- 选择TopK个对齐分数最高的样本作为正样本
- 随着训练进行，正样本分配动态调整
影响：YOLOv8能更好地处理边界样本（如遮挡、模糊目标），因为分配策略考虑了模型当前的学习状态。
2. 损失函数
YOLOv8创新点详解：
DFL（Distribution Focal Loss） ：
- 传统回归：直接预测坐标值（点估计）
- DFL：预测坐标的概率分布（比如预测框左边框在x-1, x, x+1的概率）
- 优势：提供不确定性估计，对模糊边界更鲁棒
无obj_loss：
- v5需要判断"网格内是否有目标"（obj）
- v8通过解耦头，让分类分支直接学习"目标存在且类别正确"的联合概率
3. 数据增强
YOLOv5：
- Mosaic（图像拼接，概率1.0）
- Copy-Paste（部分版本）
- 各种几何/色彩增强
YOLOv8：
- Mosaic概率降低（默认0.5，最后10epoch关闭）
- 增加了更多的色彩增强选项
- 更精细的增强参数设置
原因：YOLOv8发现Mosaic过强会导致特征偏移（模型学会依赖拼接边界），因此后期关闭。
四、性能对比（官方COCO数据集）
解读：
- 同级别下，YOLOv8 mAP提升约 3-5%
- 代价：参数量增加 30-50% ，计算量增加 50-70%
- 推理速度：YOLOv8略慢（约10-20%），但仍在可接受范围
