人工智能|YOLOv8必须了解的知识

欢迎来到人工智能的世界博客主页卿云阁欢迎关注点赞收藏⭐️留言首发时间2026年5月1日✉️希望可以和大家一起完成进阶之路作者水平很有限如果发现错误请留言轰炸哦万分感谢目录YOLOv8必须了解的知识非极大值抑制模型架构快速进行目标检测参考内容​YOLOv8必须了解的知识任何数字图像都可以等效看作一个平面像素直角坐标系图像中的每一个像素点都唯一对应一组坐标(x, y)。图像坐标系的原点位于图片左上角顶点水平向右为X 轴正方向对应图像的宽度方向竖直向下为Y 轴正方向对应图像的高度方向。图像上任意像素的横坐标 x 代表该像素距离左边界的水平像素个数纵坐标 y 代表该像素距离上边界的竖直像素个数。​目标检测任务的核心是设计并构建卷积神经网络模型以整张图像作为网络输入输出图像中所有目标的位置信息与类别语义信息。一幅图像内可存在多个待检测目标每个目标可用4 维位置信息与2 维类别信息共同表征位置信息为检测框左上角坐标与右下角坐标类别信息为目标类别标签及对应置信度。以上六项信息构成一组完整描述形成检测六元组图像中每一个检测目标都唯一对应一个这样的六元组。​YOLOv8 网络的输入为尺寸 (3*640*640)的 RGB 图像经主干特征提取、多尺度特征融合与检测头推理后最终会输出三组不同分辨率的预测特征图。特征图尺度从小到大依次为 (80*80)、(40*40)、(20*20)分别负责小、中、大尺度目标的检测任务。特征图尺寸越小其对应感受野范围越大更适合预测画面中尺寸较大的目标反之特征图尺寸越大感受野越小擅长检测小尺度目标。特征图上的每一个网格单元均对应一组目标检测预测结果YOLOv8 检测头为解耦头无锚框设计每个网格单元包含 144 维 预测向量该向量编码了目标位置、尺寸回归、分类置信度等全部信息后续通过解码与非极大值抑制即可得到图像中所有目标的最终检测框与类别结果。特征图尺寸数据点数量感受野大小对应检测框类型说明80×806400小小目标检测框每个点感受野小适合检测小目标。40×401600中中目标检测框感受野中等适合检测中等大小目标。20×20400大大目标检测框每个点感受野大适合检测大目标。​​​向量部分维度数量含义说明坐标信息64 维表示检测框位置每个坐标由 16 个数值表示基于 DFL 分布焦点损失类别信息80 维表示目标类别置信度对应 80 种类别的置信度以 COCO 数据集为例合计144 维表示检测结果的预测向量与 YOLO 模型的参数配置和特定目标检测问题相关示例​非极大值抑制YOLOv8 网络最终会输出一组共8400 个候选检测框即 80×80 40×40 20×20 网格单元的预测结果。随后这些原始预测结果会通过 YOLOv8 内置的解码算法还原为包含目标位置与类别信息的六元组检测结果位置信息、类别标签与置信度。由于大部分候选框为冗余或无效预测模型会通过非极大值抑制NMS算法进行后处理筛选出最可靠的目标框。该算法的核心逻辑是通过计算两个检测框之间的 交并比IOU来衡量重合程度对高度重叠的冗余框进行抑制最终保留置信度最高、定位最精准的检测结果。NMS 的标准步骤按置信度对所有预测框从高到低排序取出置信度最高的框作为基准与其余所有框计算 IOU若 IOU 超过设定阈值则判定为重复框并剔除重复上述过程直到所有目标框筛选完成。​模型架构主干网络的核心功能是对输入图像进行多尺度特征提取与下采样逐步生成不同空间分辨率的特征图最终输出 P3、P4、P5 三组关键特征图用于后续 Neck 与 Head 模块的目标检测任务。这三个特征图的命名 P3、P4、P5其核心含义是以输入图像的下采样倍率为基准的特征层编号输入图像尺寸为 640×640P3下采样倍率为 (2^38)特征图尺寸为 (80×80)负责小目标检测P4下采样倍率为 (2^416)特征图尺寸为 (40×40)负责中目标检测P5下采样倍率为 (2^532\)特征图尺寸为 (20×20)负责大目标检测。其中P 是 Pyramid特征金字塔 的缩写数字 3/4/5 则代表相对于输入图像的下采样倍率的指数(2^3/2^4/2^5)因此 P3/P4/P5 也常被称为第 3/4/5 级特征金字塔层。​颈部网络颈部网络Neck的核心功能是对主干网络输出的多尺度特征图进行双向融合与增强以实现高层语义信息与底层空间细节的互补。具体来说它以主干网络输出的 P3、P4、P5 三级特征为输入通过上采样Upsample、特征拼接Concat与卷积精炼的组合构建自上而下与自下而上的融合路径。最终颈部网络会输出三组与输入尺寸一致的融合特征图分别对应小、中、大目标的检测任务为后续检测头提供更具鲁棒性的多尺度特征表征。​检测头YOLOv8 采用 解耦检测头Decoupled Head 设计将目标检测的回归与分类任务分离为两个独立的卷积分支一个分支预测目标的位置与尺寸另一个分支预测类别置信度。相比传统耦合头该结构优化了梯度流向提升了检测精度与收敛速度。检测头的输出经解码算法解析可还原为目标坐标、宽高及类别置信度训练阶段通过分布焦点损失DFL、CIoU 损失与分类损失计算误差并更新网络参数推理阶段则通过坐标解码映射回原图并配合非极大值抑制NMS筛选最终检测框。​快速进行目标检测Ultralytics 是一家专注于计算机视觉与深度学习的公司同时也是一个开源框架 / 库通过 pipinstall ultralytics 安装核心产品是YOLO 系列模型如 YOLOv5、YOLOv8、YOLO11 等主打高效、易用、多功能的计算机视觉解决方案。安装 Ultralytics - Ultralytics YOLO 文档安装# Install or upgrade the ultralytics package from PyPI pip install -U ultralytics对于没有显示器的服务器环境例如云虚拟机、Docker 容器、CI/CD 流水线pip install ultralytics-opencv-headless调用模型进行检测import cv2 from PIL import Image from ultralytics import YOLO model YOLO(yolov8n.pt)#会下载到当前路径下 im1 cv2.imread(1.jpg) results model.predict(sourceim1, saveTrue, save_txtTrue) # save predictions as labelsimport ultralytics from ultralytics import YOLO # 1. 打印 ultralytics 包的位置 print(ultralytics.__file__) # 例/home/user/anaconda3/envs/yolo/lib/python3.10/site-packages/ultralytics/__init__.py # 2. 打印 yolov8n.yaml 的位置 import os yaml_path os.path.join(os.path.dirname(ultralytics.__file__), cfg, models, v8, yolov8n.yaml) print(yaml_path) # 3. 更简单直接用 pathlib推荐 from pathlib import Path pkg_dir Path(ultralytics.__file__).parent print(pkg_dir) # ultralytics 根目录 print(pkg_dir / cfg / models / v8 / yolov8n.yaml) # yaml 完整路径 # 4. 加载模型后直接查 yaml 路径 model YOLO(yolov8n.yaml) print(model.cfg) # 直接输出 yaml 的完整绝对路径如果自定义模型my_project/ ├── custom_modules/ │ ├── __init__.py │ ├── attention.py # 自定义注意力模块 │ └── conv.py # 自定义卷积模块 ├── models/ │ └── my_yolov8.yaml # 自定义模型配置 ├── register.py # 统一注册入口 └── train.py # 训练脚本定义自定义模块# custom_modules/attention.py import torch import torch.nn as nn class ChannelAttention(nn.Module): 通道注意力模块 SE-Net def __init__(self, c1, ratio16): super().__init__() self.avg_pool nn.AdaptiveAvgPool2d(1) self.max_pool nn.AdaptiveMaxPool2d(1) self.fc nn.Sequential( nn.Linear(c1, c1 // ratio, biasFalse), nn.ReLU(), nn.Linear(c1 // ratio, c1, biasFalse), ) self.sigmoid nn.Sigmoid() def forward(self, x): b, c, _, _ x.shape avg self.fc(self.avg_pool(x).view(b, c)) max_ self.fc(self.max_pool(x).view(b, c)) weight self.sigmoid(avg max_).view(b, c, 1, 1) return x * weight class SpatialAttention(nn.Module): 空间注意力模块 def __init__(self, kernel_size7): super().__init__() self.conv nn.Conv2d(2, 1, kernel_size, paddingkernel_size // 2, biasFalse) self.sigmoid nn.Sigmoid() def forward(self, x): avg torch.mean(x, dim1, keepdimTrue) max_, _ torch.max(x, dim1, keepdimTrue) out torch.cat([avg, max_], dim1) return x * self.sigmoid(self.conv(out)) class CBAM(nn.Module): CBAM 通道注意力 空间注意力 def __init__(self, c1, ratio16, kernel_size7): super().__init__() self.ca ChannelAttention(c1, ratio) self.sa SpatialAttention(kernel_size) def forward(self, x): return self.sa(self.ca(x))# custom_modules/conv.py import torch.nn as nn from ultralytics.nn.modules.conv import Conv # 继承官方 Conv复用 BN激活 class GhostConv(nn.Module): Ghost 轻量卷积用廉价操作生成更多特征图 def __init__(self, c1, c2, k1, s1, g1, actTrue): super().__init__() c_ c2 // 2 # 主卷积只做一半 self.cv1 Conv(c1, c_, k, s, None, g, actact) self.cv2 Conv(c_, c_, 5, 1, None, c_, actact) # DW卷积生成另一半 def forward(self, x): y self.cv1(x) return torch.cat([y, self.cv2(y)], dim1)统一注册入口# register.py ← 训练前必须 import 这个文件 from ultralytics.nn import modules as nn_modules # 获取模块命名空间 # 导入你的自定义模块 from custom_modules.attention import CBAM, ChannelAttention, SpatialAttention from custom_modules.conv import GhostConv # ✅ 关键注入到 ultralytics 的模块字典 # 方式一直接赋值最简单 nn_modules.CBAM CBAM nn_modules.ChannelAttention ChannelAttention nn_modules.SpatialAttention SpatialAttention nn_modules.GhostConv GhostConv # 方式二批量注册模块多时推荐 _CUSTOM_MODULES { CBAM: CBAM, ChannelAttention: ChannelAttention, SpatialAttention: SpatialAttention, GhostConv: GhostConv, } for name, cls in _CUSTOM_MODULES.items(): setattr(nn_modules, name, cls) print(f✅ 已注册自定义模块{list(_CUSTOM_MODULES.keys())})在 yaml 中使用自定义模块# models/my_yolov8.yaml nc: 80 scales: n: [0.33, 0.25, 1024] backbone: # [from, repeats, module, args] - [-1, 1, Conv, [64, 3, 2]] # 0 - P1/2 - [-1, 1, Conv, [128, 3, 2]] # 1 - P2/4 - [-1, 3, C2f, [128, True]] # 2 - [-1, 1, Conv, [256, 3, 2]] # 3 - P3/8 - [-1, 6, C2f, [256, True]] # 4 - [-1, 1, CBAM, [256]] # 5 ← 插入 CBAM 注意力 - [-1, 1, Conv, [512, 3, 2]] # 6 - P4/16 - [-1, 6, C2f, [512, True]] # 7 - [-1, 1, CBAM, [512]] # 8 ← 再插一个 - [-1, 1, Conv, [1024, 3, 2]] # 9 - P5/32 - [-1, 3, C2f, [1024, True]] # 10 - [-1, 1, SPPF, [1024, 5]] # 11 head: - [-1, 1, nn.Upsample, [None, 2, nearest]] - [[-1, 8], 1, Concat, [1]] - [-1, 3, C2f, [512]] - [-1, 1, nn.Upsample, [None, 2, nearest]] - [[-1, 5], 1, Concat, [1]] - [-1, 3, C2f, [256]] - [[17, 20, 23], 1, Detect, [nc]]训练脚本# train.py import register # ← 第一行必须先执行注册 from ultralytics import YOLO model YOLO(models/my_yolov8.yaml) # 解析 yaml 时已能识别 CBAM model.train( datadata.yaml, epochs100, imgsz640, batch16, device0, )验证注册是否成功import register from ultralytics.nn import modules as m from ultralytics import YOLO # 检查是否注册成功 print(hasattr(m, CBAM)) # True print(hasattr(m, GhostConv)) # True # 打印模型结构确认 CBAM 出现在正确位置 model YOLO(models/my_yolov8.yaml) print(model.model) # 统计参数量 from ultralytics.utils.torch_utils import model_info model_info(model.model, verboseTrue)如果模块较多可以封装一个注册装饰器更工程化# register.py from ultralytics.nn import modules as nn_modules def register_module(nameNone): 装饰器自动将类注册到 Ultralytics 模块系统 def decorator(cls): module_name name or cls.__name__ setattr(nn_modules, module_name, cls) print(f✅ 注册模块{module_name}) return cls return decorator # ── 使用方式 ────────────────────────────────── # custom_modules/attention.py register_module() # 使用类名 CBAM 注册 class CBAM(nn.Module): ... register_module(MyCA) # 使用自定义名 MyCA 注册 class ChannelAttention(nn.Module): ...参考内容【1】小黑黑讲AI的抖音 - 抖音​