最近使用yolov8进行字符检测任务，因为场景数据是摆正后的证件数据，所以没有使用DB进行模型训练，直接选用了yolov8n进行文本检测，但是长条字符区域检测效果一直不太好，检出不全，通过检测和分割等算法的调试，发现算法本身不太适合作文本检测，然后调试的时候去掉了DFL loss，整个检出效果就可以使用了，目前还没有对DFL loss进行算法分析。修改不使用DFL loss 的代码在：ultralytics-main/ultralytics/nn/modules.py中line 396修改为1：
仅此记录一下。（ torch.nn.Identity( ) 作用是输入是什么，输出就是什么）
DFL loss的全称Distribution Focal Loss；首次提出是：https://arxiv.org/pdf/2006.04388.pdf
将框的位置建模成一个 general distribution，让网络快速的聚焦于和目标位置距离近的位置的分布
对yolov8 DFL loss的详细解说可参考：
