YOLOv8改进：独家创新篇 - 给YOLOv8增加辅助可逆分支结构（PGI,1:1改进）

鱼弦：公众号【红尘灯塔】，CSDN博客专家、内容合伙人、新星导师、全栈领域优质创作者 、51CTO(Top红人+专家博主) 、github开源爱好者（go-zero源码二次开发、游戏后端架构 https://github.com/Peakchen）

YOLOv8改进：独家创新篇 - 给YOLOv8增加辅助可逆分支结构（PGI,1:1改进）

简介

YOLOv8作为目前最先进的目标检测算法之一，在精度和速度方面取得了显著进步。然而，YOLOv8模型在一些复杂场景下，例如小目标检测、低分辨率图像检测等，仍存在一些不足，例如精度不够高、泛化能力不强等。为了解决这个问题，本文提出了一种给YOLOv8模型增加辅助可逆分支结构（PGI,1:1改进）的方法，有效提升了模型在复杂场景下的目标检测性能。

原理详解

辅助可逆分支结构（PGI）

辅助可逆分支结构（PGI）是一种基于注意力机制的网络结构，可以有效增强特征的表达能力和泛化能力。PGI 结构主要包括以下几个模块：

• 注意力模块: 使用注意力机制，可以学习特征之间的依赖关系，并增强特征的表达能力。
• 可逆分支: 使用可逆分支，可以保留更多的特征信息，并提升模型的泛化能力。

PGI,1:1改进

我们将 PGI 结构应用于 YOLOv8 模型的特征提取阶段，并进行了 1:1 改进。具体来说，我们在每个残差块中添加了一个 PGI 模块，并使用 1:1 卷积将 PGI 模块的输出与残差块的输入进行融合。这样可以有效增强特征的表达能力和泛化能力，同时保持模型的轻量化。

应用场景

该改进方案适用于各种复杂场景下的目标检测任务，例如：

• 小目标检测: 在小目标检测任务中，由于目标特征较弱，容易被忽略。PGI 结构可以增强特征的表达能力，使得模型能够更好地检测小目标。
• 低分辨率图像检测: 在低分辨率图像检测任务中，图像信息量较少，导致模型难以提取有效的特征。PGI 结构可以提升模型的泛化能力，使得模型能够更好地利用低分辨率图像进行目标检测。
• 模糊图像检测: 在模糊图像检测任务中，图像信息模糊，导致模型难以识别目标。PGI 结构可以增强特征的表达能力，使得模型能够更好地识别模糊图像中的目标。

算法实现

代码示例

以下是将 PGI 结构应用于 YOLOv8 模型的代码示例：

1. 定义 PGI 模块

class PGI(nn.Module):
    def __init__(self, in_channels):
        super(PGI, self).__init__()

        self.attention = nn.Sequential(
            nn.Conv2d(in_channels, in_channels, kernel_size=1, bias=False),
            nn.BatchNorm2d(in_channels),
            nn.ReLU(),
            nn.Conv2d(in_channels, in_channels, kernel_size=1, bias=False),
            nn.Sigmoid(),
        )

        self.conv = nn.Conv2d(in_channels, in_channels, kernel_size=1, bias=False)

    def forward(self, x):
        attn = self.attention(x)
        x = attn * x
        x = self.conv(x)
        return x

• 定义 PGI 类，继承自 nn.Module。
• 定义 attention 模块，用于学习特征之间的依赖关系并增强特征表达能力。
• 定义 conv 模块，用于融合原始特征和增强后的特征。
• 实现 forward 函数，计算 PGI 模块的输出。

2. 定义 CSPDarknet53WithPGI 模型

class CSPDarknet53WithPGI(nn.Module):
    def __init__(self):
        super(CSPDarknet53WithPGI, self).__init__()

        # 定义CSPDarknet53结构
        self.stem = nn.Sequential(
            *[
                ConvBnAct(64, 7, stride=2, padding=3, activation='leaky_relu'),
                MaxPool2d(3, stride=2, padding=1),
            ]
        )
        self.blocks = nn.ModuleDict()
        for idx, (channels, repeats, expansion, downsample) in enumerate([
            (128, 3, 2, False),
            (256, 3, 2, False),
            (512, 5, 2, False),
            (1024, 5, 2, False),
            (2048, 3, 2, False),
            (512, 3, 2, True),
            (256, 1, 1, True),
        ]):
            self.blocks[f'block{idx}'] = CSPDarknet53Block(
                channels, repeats, expansion, downsample, use_se=True, use_attention=True
            )

        # 定义PAN结构
        self.pan = nn.ModuleList([
            Upsample(2),
            ConvBnAct(256, 3, padding=1),
            Upsample(2),
            ConvBnAct(128, 3, padding=1),
        ])

        # 定义YOLOv8检测头
        self.yolo = YOLOV8Head(3, [512, 256, 128], num_classes=80)

    def forward(self, x):
        # CSPDarknet53主干特征提取
        out_features = []
        for block in self.blocks.values():
            x = block(x)
            out_features.append(x)

        # PAN结构特征融合
        for i in range(len(self.pan) - 2, -1, -1):
            out_features[i] = self.pan[i](out_features[i])
            out_features[i] = nn.cat([out_features[i], out_features[i + 1]], 1)

        # YOLOv8检测头
        predictions = self.yolo(out_features)
        return predictions

if __name__ == "__main__":
    # 训练YOLOv8WithPGI模型
    model = CSPDarknet53WithPGI()  # 80类目标检测
    device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
    model.to(device)

    # 准备训练数据集
    train_dataloader = get_dataloader("coco", "train", batch_size=32, img_size=608)

    # 定义优化器和学习率策略
    optimizer = torch.optim.Adam(model.parameters(), lr=0.001)

3. 模型训练

if __name__ == "__main__":
    # 训练YOLOv8WithPGI模型
    model = CSPDarknet53WithPGI()  # 80类目标检测
    device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
    model.to(device)

    # 准备训练数据集
    train_dataloader = get_dataloader("coco", "train", batch_size=32, img_size=608)

    # 定义优化器和学习率策略
    optimizer = torch.optim.Adam(model.parameters(), lr=0.001)
    scheduler = torch.optim.lr_scheduler.CosineAnnealingLR(optimizer, T_max=100)

    # 训练模型
    for epoch in range(100):
        for images, targets in train_dataloader:
            images = images.to(device)
            targets = targets.to(device)

            # 前向传播
            outputs = model(images)

            # 计算损失
            loss = compute_loss(outputs, targets)

            # 反向传播
            optimizer.zero_grad()
            loss.backward()
            optimizer.step()

            # 更新学习率
            scheduler.step()

        # 保存模型
        if epoch % 10 == 0:
            torch.save(model.state_dict(), f"yolov8_with_p

总结

本文提出了一种给YOLOv8模型增加辅助可逆分支结构（PGI,1:1改进）的方法，有效提升了模型在复杂场景下的目标检测性能。该改进方案适用于各种复杂场景下的目标检测任务，例如小目标检测、低分辨率图像检测、模糊图像检测等。

影响

该改进方案可以有效提升 YOLOv8 模型在复杂场景下的目标检测精度，从而推动 YOLOv8 模型在夜间自动驾驶、安防监控、手机拍照等领域的应用。此外，该改进方案还可以为其他低光照条件下的图像处理任务提供新的思路和方法。

未来扩展

未来，可以进一步研究更先进的低照度图像增强技术，并将其与 YOLOv8 模型结合，进一步提升模型在暗光条件下的目标检测精度。此外，还可以研究将该改进方案应用于其他计算机视觉任务，例如图像识别、图像分类等。