前言

在深度学习领域，YOLO（You Only Look Once）系列目标检测算法凭借其高效性和准确性，广泛应用于各种实际场景中，例如自动驾驶、安防监控和农业监测等。随着算法的不断发展，YOLO 的网络结构逐步优化，例如 YOLOv8 和 YOLOv11 引入了更加轻量化、高效的模块，使得模型在速度和精度上达到了新的平衡。然而，对于研究者来说，直接使用现成的模型并不能满足某些特定任务的需求，因此对网络结构进行自定义修改和优化就显得尤为重要。

为了便于研究人员在论文中直观展示自己改进后的网络结构，清晰地表达创新点，绘制网络结构图是一项关键工作。本文以 YOLOv8 和 YOLOv11 的网络结构为基础，分别详细讲解如何通过visio工具绘制属于自己的网络结构图，帮助研究人员更好地呈现模型的改进细节。

无论是针对初学者还是有经验的深度学习研究者，本文都将为您提供清晰的指导和实用的技巧，使您能够快速上手绘制高质量的网络结构图，为您的研究工作增添亮点。

网络结构图需要按照训练时使用到的yaml文件绘制，以下是具体的方法。

本文所用软件为Visio。

YOLOv8网络结构图

首先查看yolov8的yaml文件，只查看下面的backbone和head部分就可以。

​

总览

根据这个yaml，可以看出yaml文件的结构， [from, repeats, module, args]表示层的来源、重复次数、模块类型和参数，from：表示该模块的输入来源，如果为-1则表示来自于上一个模块中，如果为其他具体的值则表示从特定的模块中得到输入信息，为列表如[-1,6]则表示来自上一层和第6层；将所有的模块添加到visio软件中，一共有7个Conv，8个C2f，1个SPPF，2个Upsample，4个Concat，3个Detect，全部添加如下图，每个不同的模块可以设置不同的颜色，这样更加美观一些。

​

添加好之后按照顺序从上往下，逐层往下，第一层为0，第二层为1...，因此本文中所有的层数从0开始计算。

backbone

因此先把backbone部分按照顺序放在同一列，并用箭头依次连接，如下图。

​

 如果这里添加了注意力机制或者修改了主干网络，仍然是按照顺序，替换或者添加相应的部分，比如下面的yaml文件，更改了GhostConv和C3Ghost，添加了CBAM注意力机制，主干结构如下图

​

根据这个yaml，可以看到大部分的Conv都被GhostConv替换，C2f全部被C3Ghost替换，在第10层添加了CBAM，因此我们的结构图需要相应修改如下。

​

neck

主干部分绘制结束，接下来看下图默认的yolov8中head中所有元素，最后Detect先忽略。

​

可以看到第11层、14层、17层的Concat的from为列表，分别是-1和对应的层（从0开始），因此绘制时需要注意应该从两个位置接收，因此有两个箭头指向Concat。

​

绘制出来大概长这个样子， 以左下角的Upsample为第10层，左下角的C2f为第21层，这样绘制是因为第11层的Concat还需要传入第6层的C2f，第20层的Concat还需要传入第9层的SPPF，推荐先这样画方便最后整合，这部分属于neck，也就是颈部。

完整的网络结构图

最后是3个检测头，分别从第15、18、21层传入Detect，因此合并后的完整的网络结构图如下，再在最上方加个输入，即完成。

​

修改模块的网络结构图

如果是修改了模块，仍然是更改了GhostConv和C3Ghost，添加了CBAM注意力机制，yaml文件如下。

​

这个绘制成的网络结构图应该为

​

YOLOv11网络结构图

YOLOv11的网络结构图绘制与YOLOv8的方法一样，我们先查看YOLOv11的yaml文件。

​

总览

根据这个yaml，可以看出yaml文件的结构， [from, repeats, module, args]表示层的来源、重复次数、模块类型和参数，from：表示该模块的输入来源，如果为-1则表示来自于上一个模块中，如果为其他具体的值则表示从特定的模块中得到输入信息，为列表如[-1,6]则表示来自上一层和第6层；可以看到相比YOLOv8，将C2f替换为C3k2模块，第9层之后增加C2PSA模块，将所有的模块添加到visio软件中，一共有7个Conv，8个C3k2，1个SPPF，1个C2PSA，2个Upsample，4个Concat，3个Detect，全部添加如下图，每个不同的模块可以设置不同的颜色，这样更加美观一些。因此先将所有的模块列出来。

​

添加好之后按照顺序从上往下，逐层往下，第一层为0，第二层为1...，因此本文中所有的层数从0开始计算。

backbone

因此先把backbone部分按照顺序放在同一列，并用箭头依次连接，如下图。

​

如果这里添加了注意力机制或者修改了主干网络，仍然是按照顺序，替换或者添加相应的部分，与上面YOLOv11的方法一致，这里不再赘述，不懂的可以评论区问。

neck

主干部分绘制结束，接下来看下图默认的yolov8中head中所有元素，最后Detect先忽略。

​

绘制出来大概长这个样子， 以左下角的Upsample为第11层，右下角的C3k2为第22层，这样绘制是因为第12层的Concat还需要传入第6层的C3k2，第21层的Concat还需要传入第10层的SPPF，推荐先这样画方便最后整合，这部分属于neck，也就是颈部。

完整的网络结构图

最后是3个检测头，分别从第16、19、22层传入detect，因此合并后的完整的网络结构图如下，再在最上方加个输入，即完成。

修改模块的结构图同理，对照着yaml画就可以，自己不会绘制的可以私信我帮忙绘制网络结构图。