代码地址：https://github.com/ultralytics/ultralytics        

        YOLOv8是Ultralytics公司推出的目标检测模型，属于YOLO（You Only Look Once）系列。它在YOLOv5的基础上进行了架构改进和性能优化，支持目标检测、实例分割、姿态估计等任务，具有更高的精度和更快的推理速度。YOLOv8 旨在快速、准确且易于使用，这也使其成为对象检测、图像分割和图像分类任务的绝佳选择。具体创新包括一个新的骨干网络、一个新的 Ancher-Free 检测头和一个新的损失函数，还支持YOLO以往版本，方便不同版本切换和性能对比。

1.核心特点

（1） 架构改进

• 使用新的骨干网络（Backbone）和特征金字塔（FPN）设计，提升特征提取能力。

• 引入自适应训练策略，如动态标签分配和损失函数优化。

（2）多任务支持

• 目标检测：支持分类和边界框回归。

• 实例分割：新增掩码预测分支。

• 姿态估计：可检测关键点（如人体关节点）。

（3）性能优势

• 相比YOLOv5，mAP（平均精度）提升约10%-20%。

• 推理速度优化，支持实时处理（30+ FPS）。

优势	说明
无锚框设计	消除手动配置锚框需求，简化训练流程，提升小目标检测精度
C2f 模块优化	替代 YOLOv5 的 C3 模块，改善梯度流，增强特征表示能力，计算成本低
解耦检测头	分离分类与定位任务，提升收敛速度与检测精度
TAL 标签分配	动态标签分配策略，提高正负样本匹配质量，减少训练噪声

2.YOLOv8

        YOLOv8 有5个不同模型大小（网络尺寸大小）的预训练模型：n、s、m、l 和 x。关注下面的参数个数和COCO mAP（准确率），可以看到准确率比YOLOv5有了很大的提升。特别是 l 和 x，它们是大模型尺寸，在减少参数数量的同时提高了精度。

        整体结构上与YOLOv5类似： CSPDarknet（主干）+ PAN-FPN（颈）+ Decoupled-Head（输出头部），但是在各模块的细节上有一些改进，并且整体上是基于anchor-free的思想，这与Yolov5也有着本质上的不同。Backbone：特征提取网络；Neck：特征融合网络；Head：检测头。

        （1）YOLOv5网络结构包含：

        输入端：Mosaic数据增强、自适应锚框计算、自适应图片缩放；

        Backbone：Focus结构，CSP结构；

        Neck：FPN+PAN结构；

        Head：CIOU_Loss。其中，基本组件包含

        Focus：基本上就是YOLOv2的passthrough。

        CBL：由Conv+Bn+Leaky ReLU三者3组成。

        CSP1_X：借鉴CSPNet网络结构，由三个卷积层和X个Res unit模块Concat组成。

        CSP2_X：不再用Res unit模块，而是改为CBL。

        SPP：采用1x1，5x5，9x9，13x13的最大池化方式，进行多尺度融合。

        （2）YOLOv8模型架构

区域	位置	核心作用
骨干网络（Backbone）	最左侧	从输入图片里分层提炼特征（边缘、纹理、物体形状），为后续检测打基础
颈部网络（Neck）	中间偏右（层 10-21）	把骨干提取的特征多尺度融合，让低层细节和高层语义结合，提升不同大小目标的检测能力
检测头（Head）	最右侧	从融合后的特征里，输出最终检测结果（物体位置 + 类别）
细节模块（Details）	中间黄色区域	拆解了上面用到的所有核心模块（Conv、C2f、SPPF 等）的内部结构
辅助信息（Loss + 缩放表）	右上角	标注了模型用的损失函数，以及不同大小 YOLOv8（n/s/m/l/x）的缩放规则

        具体来说，这是YOLOv8的工作流程：

        输入图片 → 骨干网络（多尺度特征提取） → 颈部网络（多尺度特征融合） → 检测头（分类+回归，输出检测结果）

        （a）骨干网络（Backbone）—— 给图片 “分层提炼信息”

        输入是一张640×640×3的图片（宽 × 高 ×RGB 三通道），骨干网络就像一个一边把图片缩小（下采样），一边提炼特征，最终输出 3 个不同尺度的特征层，给后面的网络用。

• 初始下采样（层 0-1）：替代旧版 Focus 模块

• 层 0（P1）：Conv(k=3,s=2,p=1)，第一次下采样，把图片从640×640缩小到320×320，同时把通道数从 3（RGB）升到64×w（w是宽度系数，控制模型大小，比如 nano 模型 w=0.25，就是 16）。

• 层 1（P2）：再一个步长 2 的卷积，缩小到160×160，通道升到128×w。

        这两步用简单的卷积替代了旧版本的切片操作，更高效、更容易在不同硬件上部署。

• 多阶段特征提取（层 2-9）：核心是 C2f 模块

        骨干网络分4个 Stage，每个Stage都是“下采样 + C2f 特征提取”，最终输出3个关键特征层：

阶段	模块	输出尺寸	作用
Stage1 （层2）	C2f（shortcut=True）	160×160×128×w	提取低层纹理、边缘特征
Stage2 （层3-4）	Conv 下采样 + C2f	80×80×256×w（P3 层）	小目标检测的关键特征（感受野小，细节丰富）
Stage3 （层5-6）	Conv 下采样 + C2f	40×40×512×w（P4 层）	中目标检测的关键特征（感受野中等，兼顾细节和语义）
Stage4 （7-9）	Conv 下采样 + C2f + SPPF	20×20×512×w（P5 层）	大目标检测的关键特征（感受野大，语义信息强）

        C2f 模块（层2/4/6/8）：图里的绿色模块，是 YOLOv8 的核心改进。它把输入特征分成两路：一路直接保留细节，另一路经过多个残差瓶颈层提取深层特征，最后拼接起来。既丰富了梯度流动，又减少了计算量，还能同时保留细节和语义信息。

        SPPF 模块（层9）：骨干网络的最后一步，用快速空间金字塔池化，在不缩小特征图的前提下扩大感受野，让模型能同时看到局部细节和全局场景，提升复杂场景的检测能力。

        (b)颈部网络（Neck）—— 把不同尺度的特征 “打通融合”

        骨干网络输出的 P3/P4/P5 三个特征层，分别负责小/中/大目标，但它们是 “孤立” 的。颈部网络的作用就是把它们融合起来，让每个特征层都同时拥有低层细节和高层语义，也就是 YOLOv8 的改进型 PAN-FPN 结构，分两步走：

• 自顶向下（FPN：高层语义往下传）

• 先把最高层的 P5（20×20）上采样（放大）到 40×40，和 P4 的特征拼接（Concat），再用 C2f 融合，得到增强版的 P4 特征。

• 再把增强后的 P4 上采样到 80×80，和 P3 的特征拼接融合，得到增强版的 P3 特征。

        把高层的语义信息传到低层，让低层特征也知道自己提取的细节属于什么物体。

• 自底向上（PAN：低层细节往上传）

• 把增强后的 P3（80×80）下采样到 40×40，和增强后的 P4 特征拼接融合，得到新的 P4 特征。

• 再把新的 P4 下采样到 20×20，和 P5 的特征拼接融合，得到新的 P5 特征。

        把低层的细节信息传到高层，让高层特征能更精准地定位物体。

        经过这两步，P3/P4/P5 三个特征层都变成了“细节 + 语义兼备”的融合特征，送到后面的检测头。

        （c）检测头（Head）—— 输出最终的检测结果

        Detect 模块是 YOLOv8 的Anchor-Free 解耦检测头，和旧版本的耦合头不同，它把“分类（是什么物体）”和“回归（物体在哪里）”分成了两个独立的分支：

        每个融合后的特征层（P3/P4/P5），分别输入 Detect 头：

• 分类分支：经过2个卷积，输出每个位置的物体类别概率，用 BCE 损失计算误差。

• 回归分支：经过2个卷积，输出物体的边界框（x,y,w,h），用 CIoU+DFL 损失计算误差。

        因为分类和回归不共用卷积参数，互不干扰，所以模型的检测精度更高，也避免了 Anchor 带来的调参麻烦。

        （d）Details 区——核心模块拆解

• Conv 模块：最基础的模块，就是“卷积层 + 批归一化 + SiLU 激活函数”，用来提取特征、调整通道数、改变特征图大小。

• Bottleneck 模块：残差瓶颈结构，由两个1×1和3×3的卷积组成，shortcut=True时会加上输入，用来加深网络，同时缓解梯度消失。

• C2f 模块：骨干和颈部的核心，输入分成两路，一路直连，一路经过多个 Bottleneck，最后拼接，比旧版 C3 模块的梯度路径更丰富，特征提取能力更强。

• SPPF 模块：用 3个连续的5×5最大池化，快速扩大感受野，比原来的 SPP 模块速度更快，效果一样。

• Detect 模块：解耦检测头，分类和回归分支分开，Anchor-Free 设计，直接预测物体的中心和宽高，不用手动调 Anchor 参数。

3.YOLOv8改进部分

（1）输入端

        与 YOLOv5 类似。YOLOv8 继续使用 Mosaic 数据增强技术，通过将四张图像拼接成一张进行训练，增加了数据的多样性，提升模型泛化能力。

（2）主干网络

        Backbone 部分采用的结构为CSPDarknet53（Cross Stage Partial Darknet53），其中包括：

        基本卷积单元 Conv；

        空间金字塔池化模块 SPPF：实现局部特征和全局特征的 Feature Map 级别融合；

        C2f 模块：替代 YOLOv5 的 C3 模块，提供更高效的特征融合和更丰富的梯度流，增强特征提取能力；

        CSPDarknet53 通过 Cross Stage Partial (CSP) 结构减少了计算量，同时保持了较高的特征提取能力。具体特点包括：

        CSP 结构：通过将特征图分成两部分，一部分经过卷积操作，另一部分直接传递，最后将两部分特征融合，减少计算量并提升特征提取能力

        Focus 模块移除：YOLOv5 中使用的 Focus 模块（通过切片操作减少计算量）在 YOLOv8 中被移除，改用更高效的 3×3 卷积核、步长为 2 的标准卷积层替代，一次性完成下采样与特征提取，简化结构并提升推理速度

（3）颈部网络

        Neck 部分采用了改进型 PAN-FPN（Path Aggregation Network + Feature Pyramid Network）结构，用于特征融合。具体特点包括：

        FPN（Feature Pyramid Network）：通过自顶向下的路径将高层语义信息传递到低层特征；

        PAN（Path Aggregation Network）：通过自底向上的路径将低层细节信息传递到高层特征；

融合方式：采用 concat+C2f 模块（非 add），保留更多通道信息，输出三个尺度特征图。

（4）头部网络 任务输出

        Head 部分负责最终的检测任务，包括分类和回归。具体特点包括：

        Anchor-Free：YOLOv8 采用了 Anchor-Free 的设计，直接预测目标的中心点和宽高，减少了         Anchor 的复杂性和计算量，消除锚框计算开销，简化 NMS 过程；

        Decoupled Head：YOLOv8 使用了分离的检测头，分别处理分类和回归任务，提高了检测精度。

（5）其他改进

        Label Smoothing：YOLOv8 使用了标签平滑技术，减少了过拟合的风险

        正样本分配策略：采用 Task Aligned Assigner（TAL），提高正负样本匹配质量

        损失函数计算：由分类损失 VFL（Varifocal Loss）和回归损失 CIoU（Complete-IOU）+DFL（Distribution Focal Loss）两部分加权组合而成，提升边界框回归精度和分类准确性

4.应用场景

• 工业检测：缺陷检测、零件识别。

• 自动驾驶：行人、车辆检测。

• 安防监控：实时目标跟踪。

• 医疗影像：病灶定位。

5.代码示例

from ultralytics import YOLO

# 加载预训练模型（如YOLOv8n）
model = YOLO("yolov8n.pt")

# 目标检测
results = model.predict(source="image.jpg", save=True)

# 实例分割
seg_model = YOLO("yolov8n-seg.pt")
seg_results = seg_model.predict(source="image.jpg")

6.模型版本

YOLOv8提供不同规模的预训练模型：

• YOLOv8n（Nano）：轻量级，适合移动端。
• YOLOv8s/m/l/x：逐步增大模型尺寸，精度更高。