1. YOLO前世今生：从R-CNN到YOLOv8的发展历程

目标检测，说白了就是让计算机在图像里找到物体，还得告诉我是啥、在哪儿。这事儿看着简单，做起来可不容易。我入行那会儿，这还是个让人头疼的难题。

咱们这一章，就把目标检测这条技术线捋一遍。重点聊聊YOLO是怎么杀出来的，它凭什么能成为工业界的首选。

1.1 目标检测的核心思想

先搞清楚一个问题：目标检测到底在解决什么？

两个任务：分类和定位。分类是“这是猫还是狗”，定位是“它在哪”。输出就是一个边界框（Bounding Box）加一个类别标签。

你想想看，一张图里可能有多个物体，大小不一，位置随机。传统方法怎么做？滑动窗口，穷举所有位置和尺度。效率低得吓人。

直到深度学习入场，才真正改变了游戏规则。

1.2 两阶段检测器：R-CNN系列

R-CNN（Region-based CNN）是开山之作。2014年，Ross Girshick他们搞出来的。

思路很直接：先用选择性搜索（Selective Search）生成约2000个候选区域，然后对每个区域做CNN分类。准确率确实高，但速度嘛……一张图要几十秒。

我记得第一次跑R-CNN，等结果等到怀疑人生。后来优化到Fast R-CNN，才把候选区域的特征提取合并成一次，速度提升了不少。

再到Faster R-CNN，干脆把候选区域生成也交给网络自己学——RPN（Region Proposal Network）诞生了。这才真正实现了端到端训练。

模型	核心改进	速度（FPS）	我的评价
R-CNN	候选区域+CNN分类	~0.02	奠基之作，慢得感人
Fast R-CNN	共享卷积+RoI Pooling	~0.5	终于能用了
Faster R-CNN	RPN网络	~7	两阶段标杆

两阶段检测器的优点是精度高，缺点是速度上不去。为什么？因为“先提候选，再分类”这个流程，天然就慢。

1.3 一阶段检测器：YOLO的诞生

2015年，Joseph Redmon搞出了YOLO（You Only Look Once）。名字就很霸气——只看一次。

核心思想：把检测当成一个回归问题。一张图进去，直接输出边界框和类别概率。没有候选区域，没有二次分类。

怎么做到的？把图像划分成S×S的网格，每个网格负责预测固定数量的边界框。就这么简单粗暴。

YOLO v2/v3陆续做了大量改进：批量归一化、锚框（Anchor Boxes）、多尺度预测、Darknet骨干网络。到v3的时候，速度和精度已经能跟两阶段方法掰手腕了。

YOLO v4和v5把工程优化做到了极致。数据增强、CSP结构、Mish激活函数、CIoU损失……各种trick堆上去，性能直接拉满。

YOLO v6/v7/v8则是各大厂和学术团队持续迭代的结果。尤其是Ultralytics的YOLOv8，把训练、部署、导出都封装得极其友好。

1.4 YOLO系列的优势

YOLO能火，不是没道理的。我总结了几点：

• 速度快：一阶段设计，天生适合实时场景。YOLOv8-Tiny在边缘设备上都能跑100+ FPS。
• 全局理解：整张图一次过，不像两阶段方法只看局部候选区。背景误检率低。
• 泛化能力强：我在项目里试过，YOLO在自然图像和工业图像上的迁移效果都不错。
• 工程生态好：从训练到部署，工具链极其完善。ONNX、TensorRT、OpenVINO全支持。

1.5 适用场景

YOLO最适合什么场景？一句话：对实时性要求高，对精度要求不是极致苛刻的场景。

场景	推荐模型	说明
安防监控	YOLOv8-M/L	人、车、物实时检测
自动驾驶	YOLOv8-L/X	行人、车辆、交通标志
工业质检	YOLOv8-N/S	缺陷检测，边缘部署
无人机巡检	YOLOv8-N/Tiny	轻量级，低功耗
体育分析	YOLOv8-M	运动员、球类跟踪

嗯，这里要注意：如果你的场景是“卫星图像里找小目标”或者“医学影像中检测微小病灶”，YOLO可能不是最优选。这时候两阶段方法或者专门的小目标检测模型会更合适。

我个人习惯是：先拿YOLOv8跑个基线，看看瓶颈在哪。如果速度不够，换小模型；如果精度不够，加trick或者换两阶段。这个思路在大多数项目里都管用。