1. YOLOv9 课程导学：目标检测发展史、YOLO系列演进、课程目标与前置知识
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 |
核心认知： 两阶段检测（如 Faster R-CNN）像“先圈地再细看”，精度高但慢；单阶段检测（如 YOLO）像“扫一眼就报数”，速度快但早期精度稍弱。YOLOv9 的目标就是：既要快，又要准。
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。
我的建议： 不要只盯着最新版本。理解 v3 的多尺度思想和 v4 的 Bag of Freebies，对你理解 v9 的设计哲学非常有帮助。我经常跟团队说：“读懂历史，才能用好未来”。
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：
- YOLOv9 核心原理：PGI 是什么？GELAN 怎么搭？为什么它能比 v8 强？
- 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。
- 模型训练与调优：训练脚本、超参数调整、断点续训、迁移学习。
- 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。
- 部署与推理优化：ONNX 导出、TensorRT 加速、边缘端部署。
一句话总结： 这门课带你从“会用 YOLO” 进阶到 “懂 YOLO、能调 YOLO、能部署 YOLO”。
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 |
注意： 如果你完全没接触过 PyTorch，建议先花一周时间跑通一个简单的分类任务。我曾经带过一个学员，直接跳进 YOLO 源码，结果连 DataLoader 都看不懂，白白浪费了两周。基础不牢，地动山摇。
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。
学习技巧： 每章结束后，花 10 分钟用自己的话总结一下核心知识点。如果能讲给别人听，说明你真的懂了。我当年学 Faster R-CNN 时就是这么干的，效果出奇的好。
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。
一句话记住： IOU 看框准不准，NMS 去重，mAP 看整体表现。这三个概念，后面每章都会出现。