YOLOv8 旋转目标检测面临角度回归边界不连续、周期模糊及长宽混淆等问题。本文基于前序加权多任务损失讨论，引入 CSL（循环平滑标签）与 DCL（密集连续标签）编码方案解决角度预测困境。通过高斯窗口参数选择、损失函数设计及推理端解码流程，对比传统方案局限，展示两种编码策略在提升角度预测精度上的效果，为工程落地提供选型建议与实验验证依据。
在上一节《YOLOv8【第十章：多任务扩展深度篇·第10 节】加权多任务损失（Weighted Loss）：自动平衡分类、回归与分割的权重！》内容中，我们深入探讨了 加权多任务损失（Weighted Multi-Task Loss） 的核心理念与工程实现。多任务联合训练时，分类损失、回归损失与分割损失在数量级、梯度方向上往往相互冲突，简单地将它们相加会导致模型"偏科"——某务主导梯度更新，其余任务收敛缓慢甚至发散。
我们系统介绍了三类权重平衡策略：
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online
