yolov8添加P2小目标检测头与添加P6超大目标检测头

原创 已于 2025-08-30 09:33:28 修改 · 806 阅读 · 1 GEO检测
于 2025-08-03 14:45:00 首次发布

目标检测实战：仪表盘指针识别

保姆级 YOLOv8/9/10 教程，附完整数据集与源码

一键订阅

在这里插入图片描述
蓝色线条为原模型，绿色线条为优化后的小目标模型，map提升4.5!
在这里插入图片描述

我们先理解什么叫做上下采样、再理解要选择哪一层作为检测头和分辨率越大检测目标越小等问题，然后再来添加小目标检测头就会容易理解很多！

原理介绍

一、上采样（Upsampling）

1. 定义

上采样是指将特征图的空间尺寸变大（例如从 20×20 → 80×80），用来提升图像的分辨率。常见于解码器结构或特征融合中。

2. YOLO 中的上采样

YOLO 使用 nn.Upsample 进行上采样，主要参数有：

nn.Upsample(scale_factor=</

目标检测实战：仪表盘指针识别

保姆级 YOLOv8/9/10 教程，附完整数据集与源码

一键订阅
标签
#YOLO #目标检测 #目标跟踪
了解本专栏 订阅专栏 解锁全文
YOLOv8模型家族全解析：P2、P6、标准版到底该选哪个？一张图帮你搞定选择困难症
weixin_27889245的博客
05-20 288
本文全面解析YOLOv8模型家族的三大变体：标准版、P2小目标版和P6高分辨率版，帮助开发者根据项目需求精准选择。通过详细的架构分析、性能对比和场景指南，解决模型选型难题，特别适合计算机视觉领域的工程师和研究人员。P2层在小目标检测中的优势尤为突出，是显微图像分析和交通监控等场景的理想选择。
工服智能监测预警算法 yolov8
燧机科技的博客
05-10 1091
工服智能监测预警系统通过yolov8网络模型算法，工服智能监测预警算法对现场人员未按要求穿戴工服工装则输出报警信息，通知后台人员及时处理。Yolo算法采用一个单独的CNN模型实现end-to-end的目标检测，核心思想就是利用整张图作为网络的输入，直接在输出层回归 bounding box（边界框） 的位置及其所属的类别。YOLO系列算法是一类典型的one-stage目标检测算法，其利用anchor box将分类与目标定位的回归问题结合起来，从而做到了高效、灵活和泛化性能好，所以在工业界也十分受欢迎。
YOLOv8改进002：添加小目标检测头（小目标检测大量涨点）
m0_46496775的博客
08-05 9815
YOLOv8 目标检测算法改进之添加小目标检测头，亲测在小目标检测的数据集上有大幅度的涨点效果（mAP直接涨了 0.04 左右）。
YOLOv8 架构改造实战：添加 P2 小目标检测头与 P6 超大目标检测头
FJN110的博客
01-20 548
上采样是指将特征图的空间尺寸变大（例如从 20×20 → 80×80），用来提升图像的分辨率。常见于解码器结构或特征融合中。下采样是指将特征图的空间尺寸缩小（例如从 256×256 → 128×128），通常用于减少计算量、提取更高级语义特征。操作目的方法尺寸变化上采样放大特征图插值算法变大（如2×）下采样压缩特征图、提取语义stride卷积等变小（如1/2）
yolov8检测头
fool996的博客
03-03 1万+
分别通过2个3x3的卷积和一个1x1的卷积来提取信息，最后分别结算Bbox.loss和CLs.loss。可以发现，3层卷积之后有一个for循环，来遍历所有的通道数（3通道），这也是大大加大计算量的原因。cv3: 一个 nn.ModuleList 对象，包含多个卷积层，用于预测每个锚点的类别信息；stride: 一个形状为(nl,）的张量，表示每个检测层的步长（stride）；yolov8中的检测头是yolov8中检测目标的关键，它几乎占了计算量的1/5。nl: 整数，表示检测模型中使用的检测层数；
YOLOv8改进：小目标涨点系列篇 | 多头检测器，提升小目标检测能力
会AI的学姐
10-17 5998
YOLOv8有3个检测头，能够多尺度对目标进行检测，但对微小目标检测可能存在检测能力不佳的现象，因此添加一个微小物体的检测头，能够大量涨点，map提升明显；
YOLO改进：添加额外的检测头
qq_36070656的博客
10-14 1万+
在YOLO中添加浅层检测头，提高对小目标的检测能力，并在VisDrone数据集中进行测试
yolov8添加小目标检测层
热门推荐
darkredrock的博客
06-05 2万+
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，添加第四个输出层。在标准目标检测中，数据集中有小目标的情况下，小目标会出现漏检或检测效果不佳等问题。但对微小目标检测可能存在检测能力不佳的现象，因此添加一个微小物体的检测头，在有小目标数据集中能够有涨点。# P4/16对应的检测特征图大小为40X40，用于检测大小在16X16以上的目标。# P5/32对应的检测特征图大小为20X20，用于检测大小在32X32以上的目标。YOLOv8小目标检测模型。
yolov8添加P2检测头，参数量还下降的详细解析
m0_73956376的博客
02-20 2093
yolov8添加P2检测头，参数量还下降的详细代码解析
YOLOv8模型改进 第一讲 添加小目标检测头分支
qq_64693987的博客
09-30 2万+
首先，我们简单回顾一下YOLOv8的模型架构。YOLOv8继承了YOLO系列的特点，具有高效的特征提取能力和多尺度特征融合。通常情况下，YOLOv8会在不同尺度上进行检测，通常会有三个检测头，用于处理大、中、小不同尺度的目标。但对于非常小的目标，这三个尺度可能仍然不足以有效捕捉，因此我们考虑增加一个更精细的检测头，专门处理这些小目标。首先，在我上传的代码中yolo_improve中找到yolov8_smallhead.yaml文件部分，它是一个yolov8模型的配置文件，根据他搭建小目标检测头。
检测头篇 | YOLOv8 添加 大目标检测头 | 小目标检测头 | 4头BiFPN
Coding...
04-24 2万+
YOLOv8 添加 大目标检测头 | 小目标检测头 🍀新增小目标头加 BiFPN
YOLOv8改进 | 检测头篇 | ASFF改进YOLOv8检测头（全网首发）
Snu77的博客
12-31 1万+
本文给大家带来的改进机制是利用ASFF改进YOLOv8的检测头形成新的检测头Detect_ASFF，其主要创新是引入了一种自适应的空间特征融合方式，有效地过滤掉冲突信息，从而增强了尺度不变性。经过我的实验验证，修改后的检测头在所有的检测目标上均有大幅度的涨点效果，此版本为三头版本，后期我会在该检测头的基础上进行二次创新形成四头版本的Detect_ASFF助力小目标检测，本文的检测头非常推荐大家使用。推荐指数：⭐⭐⭐⭐涨点效果：⭐⭐⭐⭐YOLOv8改进系列专栏——本专栏持续复习各种顶会内容——科研必备。
Yolov8与Yolov11的网络架构的区别
weixin_38991876的博客
03-26 4962
在小规模自定义数据集（如工业螺母检测）上，两者的mAP(0.5)均达到0.995，但YOLOv8在更严格的mAP(0.5~0.95)指标上略优。：替换YOLOv8的主干为EfficientNetV1，通过均衡缩放深度、宽度和分辨率，降低参数量并提升精度（实验显示mAP提升约2%）。YOLOv11通过优化网络结构和引入轻量化模块（如DWConv），在保持实时性的同时降低了计算量，适合边缘设备部署。YOLOv11对模型的深度（层数）和宽度（通道数）进行了优化调整，增强了复杂场景下的鲁棒性。
Yolov8s-p2小目标检测
qq_45746227的博客
09-03 1441
其中，YOLO（You Only Look Once）系列算法因其在速度与精度上的良好平衡成为工业界首选的检测模型之一，该系列较新的YOLOv8模型在保持高检测速度的同时进一步提升了检测精度。采用多项评价指标评估YOLOv8和YOLOv8-P2在PCB缺陷检测中的性能：平均精度均值（mAP 0.5）、平均精度均值0.5：0.95（mAP 0.5：0.95）、召回率（Recall）、精度（Precision）和帧率（FPS）。为提升模型的泛化能力和鲁棒性，yolo在训练时自动开启了多种数据增强技术。
yolov8涨点系列之替换RT-DETR检测头
zhang1379的博客
12-10 1960
yolov8涨点系列之替换RT-DETR检测头
YOLO优化：从P2到P6，多尺度检测头的设计与实战
最新发布
silver的专栏
03-06 649
本文深入探讨了YOLO目标检测模型中多尺度检测头的优化策略，重点介绍了从P2到P6的扩展设计。通过分析P2检测头如何增强小目标识别能力，以及P6检测头如何提升大目标定位精度，文章提供了针对YOLOv5和YOLOv8模型的具体配置文件修改实战教程，并讨论了精度、速度与显存之间的权衡，为处理极端尺度目标（如航拍图像）提供了有效的解决方案。
YOLOv8改进 | 检测头篇 | CLLAHead分布焦点检测头（全网独创首发）
Snu77的博客
01-10 3039
本文给大家带来的改进机制是CLLAHead，该检测头为我独家全网首发，该检测头通过多层次的特征提取和整合，利用分布焦点损失损失函数和一种注意力机制，来提高对图像中目标的识别和定位能力。这种结构特别适合于处理复杂的图像场景，其中包含多个不同大小和形状的目标，同时该检测头的参数量非常微量(之前发的一个检测头大家说参数量大，这次发一个参数量小的)。同时欢迎大家订阅本专栏，本专栏每周更新3-5篇最新机制，更有包含我所有改进的文件和交流群提供给大家。
YOLOv8融合改进 更换检测头同时改进C2f模块
分享一些自己改进代码的实例
01-24 4022
yolov8独家训练测试融合网络结构，提供详细步骤详细代码，手把手教你在yolov8官方包中把检测头更换为Detect_DyHead检测头，并且将原始的C2f模块更换成C2f-EMSC，C2f-EMSCP模块，提高检测精度，亲测在多个数据集上有涨点！！！！！
YOLOv8改进之更换BiFPN并融合P2小目标检测层
qq_43649937的博客
11-03 2万+
YOLOv8
YOLOv8改进 | 检测头篇 | 利用DynamicHead增加辅助检测头针对性检测(四头版本)
Snu77的博客
01-11 7405
本文给大家带来的改进机制是针对性的改进，针对于小目标检测增加P2层，针对于大目标检测增加P6层利用DynamicHead(原版本一比一复现，全网独一份，不同于网上魔改版本)进行检测，其中我们增加P2层其拥有更高的分辨率，这使得模型能够更好地捕捉到小尺寸目标的细节。我们增加P6层是一个较低分辨率但具有更大感受野的特征层。对于大尺寸目标，这意味着模型可以更有效地捕捉到整体的结构信息。在这些的基础上我们配合DynamicHead可以使模型根据不同尺寸的目标动态调整其检测策略，进一步提升模型的精度。本文的内容是订阅
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

YOLO君

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值