https://github.com/Donvink，专注于计算机视觉、目标检测、目标跟踪等方向

Swin Transformer是一个用了移动窗口的的层级式Vision Transformer，移动窗口是这篇论文的主要贡献。Swin Transformer实际上就是想着让ViT像卷积神经网络一样，也能够分成几个block，也能做这种层级式的特征提取，这样提取出来的特征有多尺度的概念。Swin Transformer相关的模型当年霸榜视觉检测榜前十。

本文介绍YOLO的几个关键模式以及未来展望。

YOLOv11是在YOLOv8基础上进行了改进，同等精度下参数量降低20%，在速度和准确性方面具有无与伦比的性能；其流线型设计使其适用于各种应用，并可轻松适应从边缘设备到云 API 等不同硬件平台，使其成为各种物体检测与跟踪、实例分割、图像分类和姿态估计任务的绝佳选择。

YOLOv10——实时的端到端物体检测，主要在速度和性能方面的提升。

YOLOv9引入可编程梯度信息(PGI)+广义高效层聚合网络(GELAN)；与YOLOv8相比，其出色的设计使深度模型的参数数量减少了49%，计算量减少了43%，但在MS COCO数据集上仍有0.6%的AP改进。

YOLOv8提供可定制的模块化设计方便用户根据需求进行扩展；内置多种训练和超参数优化策略简化模型调优过程；集成检测、分割和跟踪功能。

YOLOv7在COCO数据集上达到新的速度与精度平衡；跨尺度特征融合提高对不同尺度物体的检测能力；改进训练过程中的标签分配方式提高训练效率。

YOLOv6使用基于RepVGG的新骨干网络（EfficientRep），比之前的YOLO骨干网络使用了更高的并行度；标签分配策略采用TOOD中提出的任务对齐学习方法进行标签分配；使用了变焦损失（VariFocal loss）作为分类损失，以及SIoU/GIoU作为回归损失；为回归和分类任务引入了自蒸馏策略；通过使用RepOptimizer和通道级蒸馏的检测量化方案来实现更快的检测器。

YOLOv5使用Pytorch框架，便于开发者使用和扩展；自适应的anchor box学习机制提高检测效率；提供多种尺寸的预训练模型满足不同场景需求。

YOLOv4提出Bag of Freebies和Bag of Specials优化策略，提高模型精度；使用CSPDarknet53更高效的主干网络，提升网络推理速度和精度；引入CIoU损失函数提高边界框回归性能。

YOLOv3优点：使用Darknet-53作为主干网络，结合残差网络提高检测精度；引入多尺度预测来改善对小物体的检测；取消软分类器，使用独立的二元分类器提高模型性能。

YOLOv2能够检测多达9000种类别的物体；多尺度训练增加了模型的鲁棒性；引入anchor boxes改进对小物体的检测能力。

YOLO系列论文（v1到v11）、代码和主要优缺点汇总。

本文详细介绍YOLOv1——YOLO的开山之作，包括网络架构、loss、优缺点等。

本系列博文总结了YOLO从v1到v11的模型架构、优化、优势和局限性。