YOLOv8之C2f模块——与YOLOv5的C3模块对比-Toy模板网

这篇具有很好参考价值的文章主要介绍了YOLOv8之C2f模块——与YOLOv5的C3模块对比。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

一、源码对比

YOLOv8完整工程代码下载：ultralytics/ultralytic
C2f模块源码在ultralytics/nn/modules.py下，源码如下：

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的完整工程代码下载：ultralytic/yolov5
C3模块源码在models/common.py下，源码如下：

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模块和C3模块的对外接口保持一致，都是（ch_in, ch_out, number, shortcut, groups, expansion），方便在yolov5中直接调用C2f模块。
C2f模块默认不使用shortcut连接，C3模块默认使用shortcut连接，但二者在网络结构中shortcut的位置无差别，即都是在Backbone中使用shortcut连接，在Head中不使用shortcut连接，代码的调用格式有差别。

c2f模块,YOLO,python,深度学习