yolo个人深入理解

卷积层的理解，通过云端服务器训练模型，模型构建的重要性，针对极低像素的处理，模型训练召回率提高技巧，卷积层2,4,8，16,32的小模型与大模型的理解

一.关于backbone，neck，head深入理解

1，backbone的主要组成部分是sppf和conv，这是backbone的核心，其中yolov5和yolov8的本质区别其实就是卷积层的不同yolov5采用的是c3的卷积，而yolov8则是c2f的卷积如图所示：

C3

C2F

如图可以看到不同点在于C3是在CBS(Conv2D+BatchNorm+SiLu)(卷积层,批量归一化,激活函数)将特征图 Split 后，一部分经过多个 Bottleneck（通常为 1~3 个，取决于模型规模），另一部分直接连接，最后通过Concat或Add融合.

而yolov8进行了创新,取消了一个CBS,而是更新了c2f,cbs之后进行split分层进行三层BottleNeck特征提取,这是针对于两者不同的理解.

SPP