yolov8特征金字塔

Yolov8使用特征金字塔（Feature Pyramid Network，FPN）来提取不同尺度的特征。FPN的主要目的是解决目标在不同尺度下尺寸变化较大的问题。

Yolov8中的特征金字塔网络由一个主干网络和多个分支组成。主干网络通常是一个卷积神经网络，如Darknet-53，用于提取原始图像的底层特征。

在主干网络的顶层，FPN通过上采样和下采样操作来生成多个特征图。下采样会通过卷积和池化操作将特征图的尺寸减小，而上采样则通过插值或转置卷积将特征图的尺寸增大。

生成的多个特征图被连接起来，形成特征金字塔。每个特征图都对应着不同的尺度，较高层次的特征图具有较小的感受野，能够更好地捕捉小尺寸目标的细节信息；而较低层次的特征图具有较大的感受野，能够更好地捕捉大尺寸目标的全局信息。

Yolov8利用特征金字塔中不同的特征图进行目标检测。较高层次的特征图用于检测小目标，较低层次的特征图用于检测大目标。通过这种多尺度的特征融合和利用，Yolov8能够在不同尺度下实现准确的目标检测。

相关问题

YOLOV8特征金字塔修改原理

### YOLOv8 中特征金字塔的修改原理

#### 特征金字塔网络（FPN）的作用
在目标检测任务中，不同尺度的目标需要多尺度的特征图来表示。传统的单尺度特征提取方法难以兼顾大中小物体的检测效果。因此，在YOLOv8中采用了改进后的特征金字塔结构——BiFPN。

#### BiFPN 的工作方式
BiFPN 是一种加权双向特征金字塔网络，其核心在于通过自上而下和自下而上的路径增强跨尺度的信息交互能力[^2]。具体来说：

- **自顶向下通路**：从高层语义丰富的低分辨率特征逐步放大到高分辨率特征；
- **自底向上通路**：相反方向操作，使得浅层的空间细节得以保留并传递给深层；

这种设计允许模型更好地捕捉图像中的全局上下文以及局部纹理信息。

#### 深度可分离卷积的应用
为了提升计算效率与性能表现，YOLOv8 在构建BiFPN时选择了深度可分离卷积作为基本组件之一。相比于标准卷积核，这种方法能够显著减少参数量及运算次数，从而加快推理速度而不损失太多精度。

import torch.nn as nn

class DepthwiseSeparableConv(nn.Module):
    def __init__(self, in_channels, out_channels, kernel_size=3, stride=1, padding=0):
        super(DepthwiseSeparableConv, self).__init__()
        
        # 深度卷积部分
        self.depth_conv = nn.Conv2d(
            in_channels=in_channels,
            out_channels=in_channels,
            groups=in_channels,
            kernel_size=kernel_size,
            stride=stride,
            padding=padding
        )
    
        # 点卷积部分
        self.point_conv = nn.Conv2d(
            in_channels=in_channels,
            out_channels=out_channels,
            kernel_size=1,
            stride=1,
            padding=0
        )

    def forward(self, x):
        x = self.depth_conv(x)
        x = self.point_conv(x)
        return x

#### BN 层 和 激励层 的作用
每一层卷积之后都紧跟Batch Normalization(BN)层和激活函数(ReLU/SiLU)，这有助于加速训练过程收敛，并防止梯度消失/爆炸现象的发生。此外，BN还可以起到正则化的效果，一定程度上缓解过拟合问题。

yolov7特征金字塔

YOLOv7特征金字塔网络（AsymptoticFPN）是对YOLO系列目标检测方法的改进版本。与其他基于特征金字塔网络的目标检测方法类似，YOLOv7特征金字塔网络在特征融合之前从主干网络中提取不同级别的特征。该网络采用渐进架构，通过逐步增加特征分辨率的方式实现目标检测。运行改进后的代码只需按步骤操作，并使用训练命令"python train.py --cfg yolov7-afpn.py"即可。