本文深入剖析 YOLOv8 及 YOLO26 的无锚框检测设计。YOLOv8 以 `make_anchors` 将锚点固定于网格中心，通过 DFL（`reg_max=16`）把边框距离建模为 16-bin 概率分布，用加权期望实现次像素级精度，中心点归属由任务对齐标签分配（TAL）隐式约束。YOLO26 在此基础上将 `reg_max` 降至 1，DFL 退化为 `nn.Identity()`，距

形状vs— 从"大而全"到"小而精"坐标：xywh（需解码）vs xyxy（直接可用）NMS：必须外部执行 vs 模型内部已完成延迟：后处理 10-30ms vs <0.3ms — 差距 100 倍部署：每个框架单独适配 vs 天然跨平台兼容YOLO26 的输出张量设计代表了目标检测领域的一个重要趋势——把复杂性从推理阶段前移到训练阶段。通过双头训练、改进损失函数等手段，让模型在训练时就学会输出干