YOLOv8對象檢測模型結構

YOLOv8版本最近版本又更新了，除了支持姿態評估以外，通過模型結構的修改還支持了小目標檢測與高分辨率圖像檢測。原始的YOLOv8模型結構如下：

YOLOv8小目標檢測模型

正常的YOLOv8對象檢測模型輸出層是P3、P4、P5三個輸出層，為了提升對小目標的檢測能力，新版本的YOLOv8 已經包含了P2層，有四個輸出層。Backbone部分的結果沒有改變，但是Neck跟Header部分模型結構調整如下：

通過這樣的模型結構調整，加強YOLOv8對小目標的檢測能力。

YOLOv8實例分割C++推理演示

為了提升對高分辨率圖像的支持，YOLOv8同時改進了輸入分辨率、Backbone、Neck與Header部分，這些部分的改動對比正常的YOLOv8對象檢測主要有：

輸入分辨率：640x640 => 1280x1280
BackBone: 加入了兩層，從9層變為11層、降采用至64倍！
Neck部分：多層上采用，從2層變為3層
Head部分：輸出層從P3、P4、P5變為P3、P4、P5、P6

如何訓練使用它們

model=yolov8n.ymal 使用正常版本
model=yolov8n-p2.ymal 小目標檢測版本
model=yolov8n-p6.ymal 高分辨率版本

YOLOv8是YOLO系列模型的最新王者，各種指標全面超越現有對象檢測與實例分割模型，借鑒了YOLOv5、YOLOv6、YOLOX等模型的設計優點，全面提升改進YOLOv5的模型結構基礎上實現同時保持了YOLOv5工程化簡潔易用的優勢。

審核編輯：湯梓紅