3. YOLO 原理精讲：从任务定义到架构演进

目标检测，说白了就是让计算机回答两个问题：“什么东西在哪？”。听起来简单，但实现起来门道不少。YOLO 系列是我个人最常用的检测框架，没有之一。它把检测当作一个回归问题，一步到位，干净利落。

3.1 目标检测任务定义

在进入 YOLO 之前，我们先明确目标检测要解决什么。一张图进来，你要输出：

• 类别：每个目标属于哪一类（人、车、猫...）
• 位置：用一个矩形框（Bounding Box）把目标圈出来
• 置信度：这个框里真的有目标吗？有多确定？

我刚开始做检测时，总以为分类做好了检测就简单了。后来发现，定位才是真正的难点——框偏一点，IoU 就掉得厉害。

3.2 YOLO 核心思想

YOLO 的全称是 You Only Look Once。为什么叫这个？因为它把检测当作一个端到端的回归问题，只看一次就同时输出类别和位置。不像 R-CNN 系列，先提候选区域再分类，慢得要命。

3.2.1 网格划分（Grid Cell）

YOLO 把输入图像划分成 S×S 的网格。每个网格负责检测中心点落在该网格内的目标。

举个例子：一张 416×416 的图，分成 13×13 的网格，每个格子 32×32 像素。如果一个目标的中心落在某个格子里，这个格子就负责预测它。

3.2.2 边界框预测（Bounding Box Prediction）

每个网格预测 B 个边界框。每个框包含 5 个值：

• (x, y)：框中心相对于网格的偏移（0~1）
• (w, h)：框的宽高相对于整图的比值（0~1）
• 置信度：Pr(Object) × IoU(pred, truth)

这里有个坑：直接预测 (x, y, w, h) 不稳定。YOLO 用的是偏移量 + 先验框（Anchor Box）的方式。我踩过这个坑——早期版本直接回归坐标，训练时 loss 震荡得厉害，后来换成基于 anchor 的偏移预测，收敛快多了。

3.2.3 置信度（Confidence）

置信度不是简单的“有没有目标”，而是 “有目标的概率 × 框的准确度”。公式：

Confidence = Pr(Object) × IoU(pred, truth)

如果网格里没有目标，Pr(Object)=0，置信度就是 0。如果有目标，置信度就是 IoU 值。这样设计的好处是：高置信度意味着既检测到了目标，框得也准。

3.3 YOLO 损失函数

YOLO 的损失函数是多任务联合损失，包含三部分：

损失项	含义	权重
坐标损失	预测框与真实框的 (x, y, w, h) 误差	λcoord = 5
置信度损失	有目标/无目标的置信度误差	λnoobj = 0.5
分类损失	类别预测的交叉熵误差	1

为什么坐标损失权重这么大？因为框的位置比类别更重要。框偏了，类别再对也没用。无目标网格的置信度损失权重设小，是因为大部分网格都没有目标，防止负样本主导训练。

我记得第一次调 YOLO 时，发现 loss 降不下去，后来发现是 w, h 的平方根误差 在作怪。YOLOv1 用平方根是为了减小大框和小框的误差差异，但实际效果有限。从 v3 开始改用 CIoU / GIoU，效果好多了。

3.4 YOLOv3/v4/v5/v8 架构演进

YOLO 系列迭代很快，每个版本都有核心改进。我按自己的理解梳理一下：

3.4.1 YOLOv3：多尺度 + Darknet53

• 骨干网络：Darknet53（53 层卷积，借鉴 ResNet 的残差结构）
• 多尺度预测：3 个尺度（13×13、26×26、52×52），分别检测大、中、小目标
• 激活函数：Leaky ReLU
• 分类器：用 Logistic 替代 Softmax，支持多标签

YOLOv3 是里程碑式的版本。我至今还在用它的变体做工业项目，稳定、快、效果好。

3.4.2 YOLOv4：Bag of Freebies

YOLOv4 不是作者本人做的，但改进很实用：

• 骨干：CSPDarknet53（跨阶段局部连接，减少计算量）
• Neck：SPP + PANet（空间金字塔池化 + 路径聚合网络）
• 训练技巧：Mosaic 数据增强、Label Smoothing、CIoU Loss
• 激活函数：Mish（比 Leaky ReLU 更平滑）

3.4.3 YOLOv5：工程化典范

YOLOv5 是 Ultralytics 推出的，虽然名字有争议，但工程化做得最好：

• 模型导出：原生支持 ONNX、TensorRT、CoreML
• 自动锚框：训练前自动计算最佳 Anchor
• Focus 层：下采样时减少信息丢失
• 损失函数：CIoU + 二元交叉熵

我个人最喜欢 YOLOv5 的 代码结构，清晰、易改、好部署。很多公司直接拿它做二次开发。

3.4.4 YOLOv8：最新集大成者

YOLOv8 是 Ultralytics 的最新版本，2023 年发布：

• 骨干：C2f 模块（比 C3 更高效）
• Head：解耦头（分类和回归分开）
• 损失：DFL（Distribution Focal Loss）+ CIoU
• 训练：自动数据增强、EMA（指数移动平均）
• 任务：支持检测、分割、姿态估计、分类

YOLOv8 的 解耦头 是个好设计。以前分类和回归共用特征，互相干扰。分开后，各自学各自的，精度提升明显。

3.5 YOLO 架构演进对比

版本	骨干网络	Neck	Head	损失函数	特点
v3	Darknet53	FPN	耦合头	MSE + BCE	多尺度、稳定
v4	CSPDarknet53	SPP+PANet	耦合头	CIoU + BCE	训练技巧丰富
v5	CSPDarknet53	SPP+PANet	耦合头	CIoU + BCE	工程化、易部署
v8	C2f	SPP+PANet	解耦头	DFL + CIoU	多任务、精度高

3.6 YOLO 核心流程 SVG 图