1. YOLO前世今生：目标检测发展史与YOLO系列演进
大家好，我是老张。做计算机视觉落地这些年，我经手过的检测模型少说也有几十个。但要说哪个模型让我又爱又恨、用得最多，那还得是YOLO。
今天咱们不急着写代码，先聊聊YOLO的来龙去脉。搞懂它从哪来、为什么这么设计，后面部署调试时你才能知道坑在哪。
1.1 目标检测的"史前时代"
在YOLO出现之前，目标检测基本是两阶段方法的天下。说白了就是：先找候选区域，再分类。
两阶段检测的经典代表：
- R-CNN (2014)：用Selective Search生成2000个候选框，每个框都跑一遍CNN分类。速度？一张图要40多秒。
- Fast R-CNN (2015)：整图只跑一次CNN，用RoI Pooling提取特征。速度提升到2秒左右。
- Faster R-CNN (2015)：用RPN网络代替Selective Search，真正实现端到端。速度达到0.2秒左右。
我2016年刚入行时，项目里用的就是Faster R-CNN。精度确实不错，但部署到嵌入式设备上？想都别想。那时候客户要实时检测，我只能说"再等等"。
我的经验：两阶段方法的优势在于精度高，尤其对小目标和密集场景。但它的瓶颈也很明显——候选框生成和分类是分开的，计算量翻倍，速度上不去。
1.2 YOLO的诞生：单阶段检测的革命
2016年，Joseph Redmon提出了YOLO v1。这个想法在当时可以说是"离经叛道"——把检测当成回归问题，一次搞定。
你想想看，以前的方法都是"先找框，再看框里是什么"。YOLO的思路是：我直接告诉你，这张图的每个位置有没有物体，是什么物体，框在哪。一步到位。
YOLO核心思想：单阶段检测
- 将输入图像划分为 S×S 的网格
- 每个网格负责预测 B 个边界框和 C 个类别概率
- 输出张量形状：S × S × (B × 5 + C)
- 一次前向传播，同时得到位置和类别
我记得第一次看到YOLO v1的时，第一反应是"这也能行？" 但实验结果打脸了——在Titan X上跑到了45 FPS，比Faster R-CNN快了将近10倍。
注意：YOLO v1的精度确实不如Faster R-CNN，尤其对小物体和密集场景。但它证明了"速度与精度可以兼得"这条路是走得通的。
1.3 YOLO系列演进：从v1到v8
YOLO的发展史，说白了就是不断在"速度-精度"这对矛盾中找平衡。我按时间线给大家捋一遍：
| 版本 | 年份 | 核心改进 | 我的评价 |
|---|---|---|---|
| v1 | 2016 | 单阶段检测，端到端回归 | 开山之作，但精度一般 |
| v2 | 2017 | Batch Normalization，Anchor Box，Darknet-19 | 精度大幅提升，开始实用 |
| v3 | 2018 | FPN多尺度预测，Darknet-53，Logistic分类 | 经典版本，至今仍有人用 |
| v4 | 2020 | CSPDarknet，PANet，Mish激活函数 | 工程优化集大成者 |
| v5 | 2020 | Focus结构，自适应Anchor，数据增强 | 工业落地首选 |
| v6 | 2022 | EfficientRep，RepVGG，Anchor-Free | 美团出品，部署友好 |
| v7 | 2022 | E-ELAN，Model Scaling，辅助头训练 | 速度与精度的新平衡 |
| v8 | 2023 | Anchor-Free统一，C2f模块，TaskAlignedAssigner | 当前最新，生态完善 |
这里我想多说一句：不要盲目追新。我在项目里用得最多的反而是YOLOv5和YOLOv8。为什么？因为生态成熟，部署工具链完善，遇到问题能找到人问。
1.4 YOLO核心思想深度解析
咱们把YOLO的核心思想拆开来看。说白了就三个关键词：回归、网格、端到端。
1. 回归思想
传统方法把检测拆成"分类+定位"两个任务。YOLO直接用一个回归网络，同时输出边界框坐标和类别概率。这就好比你去买菜，以前是"先挑菜，再称重"，YOLO是"直接告诉我多少钱"。
2. 网格划分
YOLO把输入图分成S×S的网格。每个网格负责检测"中心点落在自己格子里的物体"。这个设计很巧妙——它天然地限制了每个网格预测的物体数量，避免了重复检测。
3. 端到端训练
从输入图像到输出检测结果，整个网络只有一个损失函数。这意味着你可以直接优化最终目标，不需要像两阶段方法那样分步训练。
避坑指南：我曾经在一个项目中，直接用YOLO检测密集小物体，结果惨不忍睹。后来发现是网格尺寸没调好——对于小物体，网格要更密，或者用多尺度预测。YOLOv3引入FPN就是解决这个问题的。
1.5 YOLO知识体系总览
下面这张图是我自己整理的YOLO知识体系，涵盖了从理论到落地的全链路。后面每一章都会围绕这张图展开。
1.6 为什么YOLO适合落地？
做了这么多年AI部署，我总结YOLO能成为工业界首选的原因：
- 速度快：单阶段结构天然适合实时场景，边缘设备也能跑
- 生态好：从训练到部署，工具链完整（ONNX、TensorRT、OpenVINO都支持）
- 版本多：从v3到v8，总有一款适合你的场景
- 社区活跃：遇到问题，GitHub上基本能找到答案
但也要注意：YOLO不是万能的。如果你的场景是"高精度小目标检测"或"密集遮挡场景"，两阶段方法可能更合适。选模型就像选工具——锤子好用，但你不能用它拧螺丝。