一、YOLOv8 是什么？
YOLOv8（You Only Look Once version 8）是由 Ultralytics 公司于 2023 年初发布的最新一代目标检测算法，是 YOLO 系列的现代化演进版本。
核心定位：
- 单阶段（One-Stage）实时目标检测器
- 多任务统一框架：支持检测、实例分割、姿态估计、图像分类
- 工业级易用性：开箱即用，支持训练、验证、推理、部署全流程
关键特性：
✅ Anchor-Free
✅ Decoupled Head（解耦检测头）
✅ C2f 主干模块
✅ Task-Aligned Assigner（TAL）
✅ Distribution Focal Loss（DFL）
✅ 支持 ONNX/TensorRT/CoreML 等部署
二、整体架构：Backbone + Neck + Head
YOLOv8 采用经典的三段式结构，但每部分都经过精心优化。
Input Image │ ▼ [ Backbone: CSPDarknet with C2f ] → 提取多尺度特征 (P3, P4, P5) │ ▼ [ Neck: PAN-FPN ] → 自顶向下 + 自底向上特征融合 │ ▼ [ Head: Decoupled Detection Head ] → 分类 + 回归（Anchor-Free）
三、核心模块详解
1. Backbone：CSPDarknet + C2f 模块
（1）CSP（Cross Stage Partial）思想
- 将输入通道 split 为两路：
- 一路 bypass（保留原始梯度）
- 一路经卷积变换
- 最后 concat 融合，减少计算冗余，增强梯度流
（2）C2f 模块（YOLOv8 创新）
替代 YOLOv5 的 C3 模块，核心改进：
- 密集连接：不仅 concat 最终输出，还 concat 所有中间 Bottleneck 输出
- 更强特征复用：低层细节与高层语义融合更充分
- 更好梯度传播：缓解深层网络梯度消失
# C2f 伪代码
y = split(cv1(x))
[X1, X2] = y
for i in range(n):
y.append(Bottleneck(y[-1]))
output = cv2(concat(y))
# [X1, X2, B1, B2, ..., Bn]
📌 C2f 使 YOLOv8 在小目标检测上显著优于 YOLOv5。
2. Neck：改进型 PAN-FPN
- 自顶向下路径：P5 → upsample → + P4 → P4' → upsample → + P3 → P3'
