1. YOLO初识

1.1 目标检测：从“看见”到“看懂”

大家好，欢迎来到这门实战课。我是你们这门课的主讲，一个在计算机视觉领域摸爬滚打了七八年的工程师。今天咱们先不急着敲代码，坐下来聊聊目标检测这件事儿。

说白了，目标检测就是让计算机不仅“看见”图像，还得“看懂”——知道图里有什么东西，并且指出这些东西在哪儿。比如一张街景照片，你得告诉我这里有车、有人、有红绿灯，还得用框把它们的精确位置标出来。

我刚开始入行那会儿，这还是个挺头疼的问题。传统的做法是用滑动窗口加手工特征，比如HOG（方向梯度直方图）配合SVM分类器。你想想看，一张图要滑成千上万个窗口，每个窗口都要算一遍特征，速度慢得让人抓狂。而且遇到遮挡、光照变化，效果就直线下降。

直到2012年AlexNet在ImageNet上大放异彩，大家才意识到：原来特征可以自动学啊！从那以后，目标检测领域进入了深度学习时代，诞生了两大流派：两阶段检测器（如R-CNN系列）和一阶段检测器（如YOLO系列）。

1.2 YOLO系列演进：从v1到v8的蜕变

YOLO的全称是You Only Look Once——只看一次。这个名字起得特别形象。它不像R-CNN那样先提候选区域再分类，而是把检测问题直接当作回归问题来处理：一张图进去，一次前向传播，同时输出物体的类别和位置。

我记得2016年YOLOv1刚出来的时候，整个圈子都震惊了。45帧/秒的实时检测速度，这在当时简直是降维打击。虽然精度比Faster R-CNN差一截，但速度优势太明显了。

从这张表你能看出来，YOLO的演进不是简单的堆叠层数，而是每一代都在解决上一代的痛点。比如v2解决了v1定位不准的问题，v3解决了小目标检测的问题，v4/v5解决了训练效率的问题。

1.3 YOLOv8核心优势：为什么选它？

咱们这门课选YOLOv8作为主力模型，不是因为它最新，而是因为它确实好用。我去年在一个智慧安防项目里用了v8，从训练到部署到边缘设备，整个流程非常顺畅。

YOLOv8的核心优势，我总结了四点：

• 统一框架：一个模型搞定检测、分割、分类、姿态估计，不用学好几套代码
• Anchor-Free：不再需要手动调Anchor参数，省心不少
• C2f模块：比v5的C3更高效，特征融合更好
• Decoupled Head：分类和回归分支解耦，收敛更快

嗯，这里要特别说一下Anchor-Free。以前用YOLOv3/v5的时候，Anchor的尺寸和数量需要根据数据集手动聚类，换一个数据集就得重新算。我曾经在一个工业缺陷检测项目里，因为Anchor没设好，模型训了三天都不收敛，后来才发现是Anchor和实际目标尺寸差太多。v8直接把这个坑填平了。

1.4 课程全景预览：30章，从零到部署

这门课一共30章，我把它分成了四个阶段。你跟着走完，就能独立完成一个完整的目标检测项目。

你看这个图，四个阶段是递进的。第一阶段让你跑起来，第二阶段让你跑得稳，第三阶段让你跑得快，第四阶段让你真正落地。

我个人觉得，第三阶段（模型部署）是很多教程忽略但实际工作中最重要的部分。模型在服务器上跑得再快，部署到嵌入式设备上卡成PPT，那也没用。这门课会花大量篇幅讲ONNX导出、TensorRT加速、NCNN在ARM上的优化，这些都是我踩过坑之后总结出来的经验。