一、引言
C2f（Cross Stage Partial Bottleneck with 2 convolutions and fusion）模块作为YOLOv8骨干网络的核心构建块，其设计理念对目标检测精度的提升起到了关键作用。然而，C2f模块的结构并非一成不变的，研究者们可以通过调整其内部结构、引入新的组件、改变连接方式等手段，设计出各种C2f变体，以适应不同的应用场景和性能需求。
本文设计并实现了10种不同的C2f变体结构，包括：
- C2f_DW：使用深度可分离卷积的轻量化C2f
- C2f_MBConv：基于MobileNetV2 MBConv的C2f
- C2f_ResNeXt：基于ResNeXt分组卷积的C2f
- C2f_ECA：引入高效通道注意力的C2f
- C2f_CBAM：引入CBAM注意力的C2f
- C2f_SE：引入SENet注意力的C2f
- C2f_Ghost：基于Ghost Module的C2f
- C2f_RepVGG：基于重参数化的C2f
- C2f_Inverted：倒残差结构的C2f
- C2f_ASFF：引入自适应空间特征融合的C2f
我们将在COCO 2017数据集上对这些变体进行全面的实验对比，从检测精度、参数量、计算量、推理速度等多个维度进行评估，并通过消融实验深入分析各组件的作用。
本文的主要贡献包括：
- 系统设计并实现了10种C2f变体结构
- 在统一的实验设置下进行了全面的对比实验
