1. YOLO发展史：从v1到v8的演进脉络

YOLO系列，说白了就是目标检测领域的「速度之王」。我从v1开始一路跟到v8，看着它从一个有点「糙」的实时检测器，进化成今天工业界最常用的模型家族。今天咱们就捋一捋这条演进路线，看看每个版本到底改了啥、为啥改。

1.1 YOLOv1：开天辟地，把检测做成回归

2016年，Joseph Redmon那篇 You Only Look Once 出来的时候，我还在用Faster R-CNN做项目。说实话，第一次看到YOLOv1的，我第一反应是「这也太粗暴了吧？」——它把整张图分成S×S的网格，每个网格预测B个边界框和类别概率，一次前向就把检测做完了。

核心创新点：

• 端到端单阶段检测：不再需要Region Proposal，直接回归出边界框坐标和类别概率
• 全局推理：训练时能看到整张图的上下文，不像滑动窗口那样只看局部
• 速度碾压：在Titan X上跑到45 FPS，Fast YOLO甚至能到155 FPS

主要缺陷：

• 每个网格只能预测2个框，对密集目标束手无策
• 定位误差大，尤其小目标
• 对不规则形状的目标（长条形）检测效果差

1.2 YOLOv2（YOLO9000）：更好、更快、更强

2017年，Redmon又放了个大招。我记得当时在实验室看到YOLO9000的标题，心想「9000类？吹牛吧？」结果人家真用WordTree把检测和分类数据集联合训练，实现了9000类的检测能力。

核心创新点：

• Batch Normalization：去掉Dropout，收敛更快，mAP提升2%
• 高分辨率分类器：先用224×224预训练，再在448×448上微调分类网络，最后用448×448做检测
• Anchor Boxes：用K-Means聚类出5种先验框，不再直接预测坐标，而是预测偏移量
• Darknet-19：19层卷积+5个MaxPooling，比VGG-16快得多
• WordTree + YOLO9000：联合训练检测和分类数据，能检测9000类

1.3 YOLOv3：多尺度检测的里程碑

2018年，YOLOv3来了。说实话，这是我最喜欢的一个版本。它把多尺度检测做到了极致，而且代码写得特别干净。我至今还在一些边缘设备上用v3的tiny版本。

核心创新点：

• Darknet-53：53层卷积，用了残差连接，比ResNet-152更快、更准
• FPN（特征金字塔）：在3个不同尺度上做检测，分别对应大、中、小目标
• 9个Anchor：每个尺度3个，总共9个先验框
• 多标签分类：用Sigmoid代替Softmax，一个目标可以属于多个类别
• Logistic回归：对每个Anchor做目标性评分

为什么会用FPN？你想想看，浅层特征图分辨率高、感受野小，适合检测小目标；深层特征图分辨率低、感受野大，适合检测大目标。YOLOv3把两者结合起来，小目标检测能力直接上了一个台阶。

1.4 YOLOv4：集大成者

2020年，Alexey Bochkovskiy（就是那个维护Darknet的大神）发布了YOLOv4。我记得当时看到的消融实验表，密密麻麻几十个trick的对比，简直像一本「目标检测trick百科全书」。

核心创新点：

• Backbone：CSPDarknet53：引入Cross Stage Partial结构，减少计算量、增强梯度传播
• Neck：SPP + PANet：SPP增加感受野，PANet加强特征融合
• Head：YOLOv3 Head：沿用v3的检测头，但做了改进
• Bag of Freebies：Mosaic数据增强、CutMix、Label Smoothing、CIoU Loss等
• Bag of Specials：Mish激活函数、SAM模块、DIoU NMS等

1.5 YOLOv5：PyTorch生态的王者

2020年6月，Ultralytics发布了YOLOv5。虽然名字叫v5，但它其实是在v4的基础上用PyTorch重写的。很多人争论它能不能叫「v5」，但说实话，它在工程化上做得太好了——训练、部署、导出一条龙，社区生态无敌。

核心创新点：

• PyTorch原生：不再依赖Darknet，训练和部署更方便
• 模型缩放：n/s/m/l/x五个版本，深度和宽度可调
• AutoAnchor：训练前自动聚类Anchor
• Focus层：将4×4的像素切片成4个2×2，减少计算量
• 更好的训练策略：Warmup、Cosine LR Scheduler、EMA等

1.6 YOLOv6 & YOLOv7：工业界的双响炮

2022年，美团发布了YOLOv6，主打工业部署。紧接着YOLOv7也来了，在精度和速度上又刷了一波记录。

YOLOv6核心创新：

• EfficientRep Backbone：重参数化结构，训练时用多分支，推理时合并成单路
• SimOTA标签分配：动态匹配正负样本
• SIoU Loss：考虑角度、距离、形状的损失函数
• 量化感知训练：对INT8部署友好

YOLOv7核心创新：

• E-ELAN：扩展高效层聚合网络，控制梯度路径
• Model Scaling：同时缩放深度、宽度、分辨率
• 重参数化卷积：训练和推理结构解耦
• 辅助头训练：用浅层特征辅助深层头训练

1.7 YOLOv8：集大成的新标杆

2023年，Ultralytics又推出了YOLOv8。说实话，第一次看到v8的架构图，我心想「这不就是v5的升级版吗？」但用下来发现，细节优化确实多。

核心创新点：

• C2f模块：CSP + ELAN的融合，梯度更丰富
• 解耦头：分类和回归分支分开，收敛更快
• TaskAlignedAssigner：根据分类和回归的联合分数分配标签
• DFL Loss：分布聚焦损失，让边界框预测更准
• 多任务支持：检测、分割、姿态估计、分类全在一个框架里

1.8 演进脉络总览

下面这张SVG图，把YOLO从v1到v8的核心演进路线画出来了。你可以看到，每个版本都在解决前一个版本的痛点。

1.9 各版本核心创新点对比表