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，从而实现了极快的检测速度，使其能够进行实时目标检测。
- 统一网络: 将目标检测的所有步骤（特征提取、边界框预测、类别预测）整合到一个单一的 CNN 中。
- 端到端训练: 模型直接从图像像素到最终的检测结果进行端到端训练。
- 全局信息: 在预测时，YOLO能够看到整个图像，这有助于减少背景误检。
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
- 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：
S\times S\times(B\times5 +C) \end{align}$$ 4. 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\|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