yolov8的改进点

YOLOv8相较于YOLOv5的改进点主要有以下几个方面：
1. 采用了Task-Aligned Assigner匹配方式，抛弃了以往的IOU匹配或者单边比例的分配方式。
2. 基于预训练模型的训练，依旧使用了PAN的思想，但是删除了PAN-FPN上采样阶段中的卷积结构，同时将C3模块替换为了C2f模块。
3. 抛弃了以往的Anchor-Base，使用了Anchor-Free的思想。
4. 引入了Decoupled-Head，将检测和分类分离，提高了检测的效率。
5. 优化了损失函数，采用了更加合理的损失函数，提高了模型的精度。