YOLO
You Only Look Once
基于深度学习的实时目标检测算法
只需要一次前向传播（一次看图）就能完成图像中所有物体的定位和分类
- 快：一次推理完成检测
- 端到端：直接从输入图像到输出检测框+类别
- 实时应用友好：适合自动驾驶、监控等对速度要求高的场景
它将目标检测任务转化为一个回归问题，通过单个神经网络直接从图像像素预测目标的边界框和类别概率
基本工作原理
- 网格划分：YOLO将输入图像划分为S×S的网格，每个网格负责检测该区域内的目标。整个检测过程只需要一张图一次推理，极大加快速度。
- 边界框预测：每个网格会预测多个边界框（bounding boxes），每个边界框由中心坐标、宽度、高度和置信度表示。
- 物体分类：YOLO还会对每个边界框内的物体进行分类。
- 非极大值抑制（NMS）：用于去除重复的检测结果，选择置信度最高的边界框作为最终结果。
工作流程
- 输入处理
- 将输入图像调整为固定大小（例如 448x448）
- 标准化像素值
- 划分网格：将图像划分成 S×S 个网格（例如7×7）
- 每个网格预测
- 每个网格预测：
- B个边界框（Bounding Boxes）
- 每个框包括位置 (x, y, w, h) + 置信度 (confidence)
- C个类别概率
预测输出：
- 后处理（NMS）使用非极大值抑制（NMS, Non-Maximum Suppression）:去掉重复检测到的框，保留得分最高的那个。
版本演进
| 版本 | 发布年份 | 主要特点 |
|---|---|---|
| YOLOv1 | 2016 | 提出统一检测框架，实时检测 |
| YOLOv2（YOLO9000） | 2017 | 引入Anchor机制，提高准确率，可以检测9000类 |
| YOLOv3 | 2018 | 使用多尺度预测，特征提取更强（Darknet-53） |
| YOLOv4 | 2020 | 优化训练技巧（Bag of Freebies/ Specials），提升性能 |
| YOLOv5（社区版） | 2020 | PyTorch重写，更轻便，工程实用性强 |
| YOLOv6 | 2022 | 更偏工业部署，速度更快 |
| YOLOv7 | 2022 | 多任务学习，统一多个检测任务 |
| YOLOv8 | 2023 | 不再依赖Darknet，模块化设计，更快更准，支持分割任务 |
YOLOv1 → YOLOv2
- 引入了Anchor Boxes（先验框），提高小目标检测能力。
- 使用Batch Normalization加速收敛。
- 使用高分辨率分类器。
YOLOv2 → YOLOv3
- 多尺度预测（Feature Pyramid）
- 用了更深的网络（Darknet-53）
- 用逻辑回归预测目标存在概率
YOLOv4
- 技巧优化：Mish激活、CSPNet、DropBlock、CIoU Loss
- 提出了 Bag of Freebies（免费提升）和 Bag of Specials（特殊模块）
YOLOv5+
- 完全基于 PyTorch 开发，易训练、易部署
- 支持轻量版（n/s/m/l/x）
- 加强了数据增强（Mosaic、MixUp）
- 引入AutoAnchor自动调优
YOLOv8
- 支持目标检测+实例分割+姿态估计一体
- 架构更灵活：不再绑定Darknet
- 更强大、更快，适合端侧应用