1. YOLOv9 课程导学

大家好，欢迎来到《YOLOv9模型结构及多类别检测实战》课程。

我是这门课的主讲。做了这么多年计算机视觉，从早期的 Haar 分类器一路摸爬滚打到今天的 Transformer，说实话，YOLO 系列是我个人最欣赏的检测框架之一。它够快、够直接，而且一直在进化。

这一章，我们不急着敲代码。先聊聊目标检测这个领域是怎么走到今天的，YOLO 又是怎么一步步从 v1 杀到 v9 的。搞清楚这些，你后面学起来会顺很多。

1.1 目标检测：从“有没有”到“是什么、在哪”

图像分类解决的是“有没有”的问题。目标检测呢？它要回答两个问题：“是什么” 和 “在哪”。

我刚开始做项目时，客户的需求很简单：帮我数一下车间里有多少个零件。但真正落地才发现，光照一变、角度一转，模型就懵了。这就是检测的难点——它既要识别，又要定位。

目标检测的发展，大致可以分为三个阶段：

阶段	代表方法	核心思路	我的评价
传统方法	Haar + Adaboost、HOG + SVM	手工设计特征 + 滑动窗口	慢、泛化差，但思路值得学习
两阶段检测	R-CNN、Fast R-CNN、Faster R-CNN	先提候选区域，再分类回归	精度高，但速度是硬伤
单阶段检测	YOLO、SSD、RetinaNet	一步到位，直接回归	快，真快，YOLO 是代表

1.2 YOLO 系列演进：每一代都在解决什么问题？

YOLO 从 2015 年诞生到现在，几乎每年都有大版本更新。我经历过从 v3 到 v5 的工程落地，也踩过不少坑。下面这张图，是我梳理的 YOLO 演进脉络：

每一代 YOLO 都在解决上一代的痛点：

• YOLOv1：把检测当成回归问题，端到端训练。但小目标检测很差，定位也不准。
• YOLOv2：引入 Anchor Box 和 Batch Normalization，召回率提升不少。
• YOLOv3：多尺度预测 + 更好的骨干网络，真正能用了。我第一个落地的检测项目就是基于 v3 改的。
• YOLOv4：集大成者，Mish 激活、CIoU 损失、数据增强，把工程技巧用到极致。
• YOLOv5：PyTorch 原生实现，训练部署都方便，社区生态最繁荣。
• YOLOv6~v8：各自在结构、部署、任务泛化上做了优化。
• YOLOv9：我们这门课的主角。它提出了 PGI（可编程梯度信息）和 GELAN 结构，解决了深层网络信息丢失的问题。

1.3 课程目标：学完你能做什么？

这门课不是纯理论课。我的目标是：学完你能独立用 YOLOv9 做多类别检测项目。

具体来说，你会掌握：

1. YOLOv9 核心原理：PGI 是什么？GELAN 怎么搭？为什么它能比 v8 强？
2. 数据准备与标注：从零构建自己的检测数据集，格式转换、增强策略。
3. 模型训练与调优：训练脚本、超参数调整、断点续训、迁移学习。
4. 多类别检测实战：用真实数据集跑通完整流程，包括难例分析。
5. 部署与推理优化：ONNX 导出、TensorRT 加速、边缘端部署。

1.4 前置知识：你需要准备什么？

我不希望你学得吃力。所以提前说清楚，你需要具备的基础：

知识领域	具体要求	如果不够怎么办
Python 编程	熟悉 NumPy、OpenCV 基本操作，能看懂 PyTorch 代码	建议先补一下 PyTorch 官方教程的 60min 入门
深度学习基础	理解 CNN、卷积、池化、全连接、反向传播	我会在关键点做简要回顾，但不会从头讲
目标检测常识	知道 mAP、IOU、NMS 是什么	本章后面会快速过一遍核心概念
硬件环境	建议有 NVIDIA GPU（4GB 以上显存）	CPU 也能跑，但训练会很慢，不推荐

1.5 学习路线图：我们怎么走？

整个课程 30 章，我把它分成 5 个阶段：

每个阶段都有对应的代码和作业。我的建议是：不要跳着看。尤其是阶段 1 的原理部分，虽然有点枯燥，但它是后面所有内容的基础。

1.6 快速回顾：目标检测核心概念

为了照顾不同基础的同学，这里快速过一遍后续会反复用到的几个概念。如果你已经很熟了，可以直接跳过。

• IOU（交并比）：预测框和真实框的重叠程度。大于 0.5 就算检测到了，这是最常用的阈值。
• NMS（非极大值抑制）：同一个目标会有多个预测框，NMS 负责保留最好的那个，去掉冗余的。
• mAP（平均精度均值）：衡量模型整体性能的指标。mAP@0.5 是常用指标，mAP@0.5:0.95 更严格。
• Anchor Box（锚框）：预定义的先验框，模型基于它做微调。YOLOv9 已经用 Anchor-Free 了，但理解 Anchor 有助于理解历史。