一、源碼對(duì)比
??YOLOv8完整工程代碼下載：ultralytics/ultralytic
??C2f模塊源碼在ultralytics/nn/modules.py下，源碼如下：
class C2f(nn.Module):
# CSP Bottleneck with 2 convolutions
def __init__(self, c1, c2, n=1, shortcut=False, g=1, e=0.5): # ch_in, ch_out, number, shortcut, groups, expansion
super().__init__()
self.c = int(c2 * e) # hidden channels
self.cv1 = Conv(c1, 2 * self.c, 1, 1)
self.cv2 = Conv((2 + n) * self.c, c2, 1) # optional act=FReLU(c2)
self.m = nn.ModuleList(Bottleneck(self.c, self.c, shortcut, g, e=1.0) for _ in range(n))
def forward(self, x):
y = list(self.cv1(x).chunk(2, 1))
y.extend(m(y[-1]) for m in self.m)
return self.cv2(torch.cat(y, 1))
def forward_split(self, x):
y = list(self.cv1(x).split((self.c, self.c), 1))
y.extend(m(y[-1]) for m in self.m)
return self.cv2(torch.cat(y, 1))
??YOLOv5的完整工程代碼下載：ultralytic/yolov5
??C3模塊源碼在models/common.py下，源碼如下：
class C3(nn.Module):
# CSP Bottleneck with 3 convolutions
def __init__(self, c1, c2, n=1, shortcut=True, g=1, e=0.5): # ch_in, ch_out, number, shortcut, groups, expansion
super().__init__()
c_ = int(c2 * e) # hidden channels
self.cv1 = Conv(c1, c_, 1, 1)
self.cv2 = Conv(c1, c_, 1, 1)
self.cv3 = Conv(2 * c_, c2, 1) # optional act=FReLU(c2)
self.m = nn.Sequential(*(Bottleneck(c_, c_, shortcut, g, e=1.0) for _ in range(n)))
def forward(self, x):
return self.cv3(torch.cat((self.m(self.cv1(x)), self.cv2(x)), 1))
- C2f模塊和C3模塊的對(duì)外接口保持一致，都是（ch_in, ch_out, number, shortcut, groups, expansion），方便在yolov5中直接調(diào)用C2f模塊。
- C2f模塊默認(rèn)不使用shortcut連接，C3模塊默認(rèn)使用shortcut連接，但二者在網(wǎng)絡(luò)結(jié)構(gòu)中shortcut的位置無(wú)差別，即都是在Backbone中使用shortcut連接，在Head中不使用shortcut連接，代碼的調(diào)用格式有差別。
二、結(jié)構(gòu)圖對(duì)比
文章來(lái)源：http://www.zghlxwxcb.cn/news/detail-789660.html
文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-789660.html
- C2f模塊參考了C3模塊以及ELAN的思想進(jìn)行的設(shè)計(jì)，讓YOLOv8可以在保證輕量化的同時(shí)獲得更加豐富的梯度流信息。
到了這里，關(guān)于YOLOv8之C2f模塊——與YOLOv5的C3模塊對(duì)比的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！
