1. YOLO前世今生：目标检测发展史、YOLO系列演进与核心思想
大家好，欢迎来到这门实战课。我是你们的老朋友，一个在计算机视觉领域摸爬滚打了好几年的工程师。
今天咱们聊点有意思的——YOLO。你可能听过它，甚至用过它。但你真的了解它从哪来，又要往哪去吗？
嗯，这一章，我们就来扒一扒YOLO的“家底”。
1.1 目标检测：从“看图”到“找东西”
先问个问题：图像分类和目标检测，到底差在哪？
图像分类，说白了就是让电脑告诉你“这是一只猫”。而目标检测，不仅要告诉你“这是猫”，还得告诉你“猫在哪”——用个框把它圈出来。
这个“在哪”，就是检测的核心难点。
我刚开始做项目时，总觉得检测比分类难一个量级。为什么？因为你要同时处理“是什么”和“在哪里”两个问题。早期的做法很笨拙——用滑动窗口，把图片切成无数个小块，挨个分类。你想想看，一张图切几千个窗口，每个窗口跑一遍分类器，那速度……
核心痛点：传统方法（如DPM、R-CNN系列）要么慢，要么精度不够。直到YOLO出现，才真正把“实时检测”变成了现实。
1.2 YOLO系列演进：从v1到v8的“进化史”
YOLO的全称是 You Only Look Once。什么意思？就是只看一眼，就能把目标全找出来。
这跟当时的主流思路完全相反。当时大家在做“两阶段检测”：先提候选区域，再分类。YOLO直接一步到位，把检测当成回归问题来做。
下面这张图，是我梳理的YOLO家族进化路线，你看一眼就明白了。
每个版本都有它的“高光时刻”。我挑几个重点说说：
- YOLOv1（2016）：把检测当成回归，直接预测边界框和类别概率。速度极快，但精度一般，对小目标不友好。
- YOLOv2（2017）：引入了Anchor Box和Batch Normalization，精度大幅提升。我记得当时用v2做车辆检测，效果比v1好了不止一个档次。
- YOLOv3（2018）：多尺度预测，用FPN结构处理不同大小的目标。这是我最喜欢的一个版本，平衡了速度和精度。
- YOLOv4（2020）：集成了大量trick，如Mish激活、CIoU损失、数据增强。说白了，就是“堆料”堆出了新高度。
- YOLOv5（2020）：用PyTorch重写，工程化做得极好。部署方便，社区活跃，是很多人的入门首选。
- YOLOv8（2023）：目前最主流的版本，支持检测、分割、姿态估计等多种任务。我建议新手直接学v8。
我的建议：如果你刚入门，直接从YOLOv8开始学。别纠结“要不要先学v3”。v8的代码更规范，文档更全，社区支持也更好。等你理解了v8，再回头看v3、v4，会更容易理解它们的演进逻辑。
1.3 YOLO核心思想：You Only Look Once
YOLO这个名字，其实已经说透了它的核心思想——只看一次。
传统方法（比如R-CNN系列）是“先看候选区域，再看区域内容”。YOLO不一样，它把整张图喂进网络，一次前向传播，直接输出所有目标的边界框和类别。
具体怎么做？我画个流程图你就懂了。
你看，整个过程一气呵成。没有候选区域，没有二次分类，就是“端到端”的回归。
为什么能这么快？因为YOLO把检测问题转化成了“从图像到张量”的映射。网络直接输出一个固定大小的张量，里面包含了所有目标的坐标、类别和置信度。
YOLO的三大优势：
- 速度快：一次前向传播，实时检测（30+ FPS）
- 全局理解：看到整张图，不会漏掉上下文信息
- 泛化能力强：对背景误检少，适合迁移学习
1.4 避坑指南：我踩过的那些坑
聊点实在的。我在项目中用过YOLOv3、v5、v8，踩过不少坑。分享几个给你：
- 小目标检测：YOLO对小目标天生不友好。我曾经在无人机航拍数据集上跑v5，小目标几乎全漏。后来加了多尺度训练和Mosaic增强，才勉强能看。
- 边界框不准确：如果目标形状特别不规则（比如长条形），YOLO的框会偏大。我建议你试试CIoU损失，比原始的IoU好很多。
- 类别不平衡：如果你的数据集中某个类别样本特别少，YOLO会倾向于忽略它。这时候可以调整类别权重，或者用Focal Loss。
注意：YOLO不是万能的。如果你的场景需要极高的定位精度（比如医学图像中的细胞分割），建议考虑两阶段检测器（如Faster R-CNN）或基于Transformer的模型（如DETR）。YOLO强在“实时”和“通用”，不是“极致精度”。
1.5 本章小结
好了，这一章我们聊了：
- 目标检测的核心挑战：同时解决“是什么”和“在哪里”
- YOLO从v1到v8的演进脉络，每个版本的关键改进
- YOLO的核心思想：一次前向传播，端到端回归
- 我在项目中踩过的坑，以及对应的解决方案
嗯，内容不少。但别急，这只是热身。下一章开始，我们会真正动手——从数据集标注开始，一步步搭建你的第一个YOLO检测模型。
准备好了吗？我们继续。