YOLOv8版本升级支持小目标检测与高分辨率图像输入

 

YOLOv8对象检测模型结构

    YOLOv8版本最近版本又更新了，除了支持姿态评估以外，通过模型结构的修改还支持了小目标检测与高分辨率图像检测。原始的YOLOv8模型结构如下：

YOLOv8小目标检测模型

正常的YOLOv8对象检测模型输出层是P3、P4、P5三个输出层，为了提升对小目标的检测能力，新版本的YOLOv8 已经包含了P2层，有四个输出层。Backbone部分的结果没有改变，但是Neck跟Header部分模型结构调整如下：

通过这样的模型结构调整，加强YOLOv8对小目标的检测能力。

YOLOv8实例分割C++推理演示

为了提升对高分辨率图像的支持，YOLOv8同时改进了输入分辨率、Backbone、Neck与Header部分，这些部分的改动对比正常的YOLOv8对象检测主要有：  

输入分辨率：640x640 => 1280x1280
BackBone: 加入了两层，从9层变为11层、降采用至64倍！
Neck部分：多层上采用，从2层变为3层
Head部分：输出层从P3、P4、P5变为P3、P4、P5、P6

图示如下：

 

如何训练使用它们

 

model=yolov8n.ymal 使用正常版本
model=yolov8n-p2.ymal 小目标检测版本
model=yolov8n-p6.ymal 高分辨率版本

 

YOLOv8是YOLO系列模型的最新王者，各种指标全面超越现有对象检测与实例分割模型，借鉴了YOLOv5、YOLOv6、YOLOX等模型的设计优点，全面提升改进YOLOv5的模型结构基础上实现同时保持了YOLOv5工程化简洁易用的优势。

　　审核编辑：汤梓红