一、引言
在目标检测任务中，骨干网络的特征提取能力直接决定了检测模型的性能上限。传统的卷积神经网络通常使用固定大小的卷积核（如3×3）来提取特征，但目标在图像中的尺度变化是目标检测面临的核心挑战之一。不同大小的目标需要不同感受野的特征来检测，单一尺度的卷积核难以同时捕捉不同尺度的目标信息。
为了解决多尺度特征提取的问题，Google团队于2014年提出了Inception（又称GoogLeNet）结构，其核心思想是在同一层中使用多种不同大小的卷积核，让网络自动学习如何在不同尺度上提取特征。经过InceptionV1、InceptionV2、InceptionV3的不断演进，InceptionV4于2016年提出，进一步优化了网络结构，并引入了残差连接，形成了Inception-ResNet系列。
将InceptionV4的多尺度卷积思想应用于YOLOv8的骨干网络，可以有效提升网络对不同尺度目标的特征提取能力，特别是对于小目标和大目标的检测性能。多尺度卷积核的并行设计可以在同一层中同时捕捉细粒度细节和高层语义信息，为后续的检测头提供更丰富的特征表示。
本文将深入剖析InceptionV4的核心原理，详细介绍其多尺度卷积核融合设计的思想，并基于Ultralytics YOLOv8框架实现InceptionV4骨干网络，通过实验验证其在目标检测任务中的性能提升。
二、InceptionV4原理详解
2.1 Inception系列的演进
Inception系列网络经历了多个版本的演进，每个版本都在前作的基础上进行了