1.网络结构
这里就以nano模型的网络结构为例来说明一下YOLO26的基本结构，其他版本的模型和之前一样除了深度和宽度不一样外，其他都是一样的。
YOLO26还是继续沿袭YOLO的经典架构，Backbone-neck-head，这次改变最大的部分就是Head层，Backbone层可能就更新了两个模块C3K2和C2PSA，下面主要是围绕和YOLOv8的区别来介绍YOLO26的网络结构。
1.Backbone
1.C3K2
从yolo26.yaml中就可以看到C3K2有三种不同的设计，分别就是
-
-1, 2, C3k2, \[256, **False**, 0.25\]
-
-1, 2, C3k2, \[512, **True**\]
-
-1, 1, C3k2, \[1024, **True** , 0.5, **True**\]
其中第二个参数是指C3K是否为True，第四个参数是指Attn是否为True，下面就来看看这三个的区别，直接看例子就能看懂了
先看第一种C3K2，以Backbone第一个C3K2模块为例，-1, 2, C3k2, \[256, **False** , 0.25]，即C3K=False，Attn=False的情况：
这种其实就退化成YOLOv8中的C2F模块，其中n通过yolo26.yaml中的Depth来控制，应该是-1, 2, C3k2, \[256, **False** , 0.25]中的2和Depth相乘得到，即2Depth=20.5=1，所以Bottleneck模块的个数是1，其他关于这个介绍可以直接去看YOLOv8中关于C2F模块的介绍。
另外补充一点，C3K2中第一个CBS模块的卷积核个数，也就是输出通道数2 *int*(c2 e)=2*64* 0.25=32，e是-1, 2, C3k2, \[256, **False**, 0.25]的0.25，而c2是输出通道数，需要通过yolo26.yaml中的Width来算，即0.25*256=64，这也是第二个CBS的输出通道数。
第二种情况的C3K2，以Backbone第三个C3K2模块为例，-1, 2, C3k2, \[512, **True** ]，即C3K=False，Attn=False的情况：
这种明显复杂了很多，其实细看也就是Bottleneck改变了，至于为什么要这么设计我也不知道笑哭笑哭
我个人觉得关于网络结构这块大家知道个大概就好了，不用太关注网络是如何设计的，主要关注网络是如何解码如何进行训练的就好了。
第三种情况的C3K2，以Neck层的最后一个C3K2模块为例，-1, 1, C3k2, \[1024, **True** , 0.5, **True** ] ，即C3K=True，Attn=True的情况：
这种情况细看也是原本C2f中的Bottleneck模块改变了，可以看到在原本的Bottlneck模块后面加了一个PSABlock模块，然后将这两个作为完整的BottleNeck，PSABlock模块下一节会介绍。
2.C2PSA
这个模块放在SPPF后面，主要是对高维度的低分辨率特征图进行Self Attention，没错就是那个Transformer，先看下C2PSA的整体结构，是不是和前面的C3K2很像，其实不管是C3K2还是C2PSA模块都是YOLOv8中C2f的变体，区别就在于BottleNeck的设计，这里是直接插入了一个PSABlock，包含了Attention模块和FFN模块，其实这个就是Transformer中的结构。
如果对Transformer不是很熟悉，可以去看看我的这两篇博客
接下来就看看PSABlock模块了，分别是Attention的残差结构，再加上FFN的残差结构，看了前面两篇博客，应该也能看懂这个图了。
这里把20x20尺度这个特征图看成是400个token，每个token包含128维特征，并且拆分成了两个头，然后Position Encoder使用一个Conv+BN ，是对v.reshape(B, C, H, W)后的特征图进行卷积的，具体可以看代码E:\code\ultralytics-main\ultralytics\nn\modules\block.py，Line1271，Attention()类.
2.Head
可以看到26的Head层有两层输出，一个是one2one输出的boxes和scores，一个是one2many输出的boxes和scores，如下图所示，需要注意两点就好了，这些都是为了无NMS做的准备。
1.one2one分支只会根本更新head层，而不会更新backbone和neck层 2.one2many分支的head和one2one分支的head结构一模一样，可以理解为不共享权重的head
还有一个需要注意的就是，现在的Boxes层只有4个维度，和YOLOv8的64个维度有区别，说明26不再需要DFL解码来计算预测框的宽高和位置了。
具体head里面的具体卷积参数如下所示（以80x80尺度为例），Scores分支中第一个DWCBS的输出通道数和输入特征图的通道数保持一致，即64，并且DWCBS的groups和通道数相等，这是卷积最轻量化的方式了。
这里粗略介绍了YOLO26的网络结构，后面再更新下YOLO26的训练过程以及推理过程，希望大家多多支持。