三、计算机视觉_06YOLO基础知识

1、YOLO概述

1.1 定义

YOLO（You Only Look Once）是一种流行的对象检测和图像分割模型，由华盛顿大学的 Joseph Redmon 和 Ali Farhadi 于 2015 年推出，因其高速和准确性而迅速受到欢迎

在目标检测领域，传统方法（如R-CNN系列算法）将目标检测分为两个阶段：

• 首先使用区域候选网络（RPN）提取候选目标信息

• 然后通过检测网络完成对候选目标的位置和类别的预测和识别

YOLO作为一种单阶段检测算法，并不需要使用RPN，它通过单次网络前向传播即可完成目标检测任务（所以命名为“You Only Look Once”，即“你只需要看一次”)

1.2 发展史

YOLO自 2015 年首次提出至今，经历了多个版本的迭代：（最新版本可见官网https://docs.ultralytics.com）

• YOLOv2 于 2016 年发布，通过合并批量规范化、锚框和维度集群改进了原始模型

• YOLOv3 于 2018 年推出，使用更高效的主干网络、多个锚点和空间金字塔池进一步增强了模型的性能

• YOLOv4 于 2020 年发布，引入了 Mosaic 数据增强、新的无锚点检测头和新的损失函数等创新

• YOLOv5 进一步提高了模型的性能，并添加了新功能，例如超参数优化、集成实验跟踪和自动导出为流行的导出格式

• YOLOv6 由美团于 2022 年开源，并被用于该公司的许多自主送货机器人

• YOLOv7 添加了其他任务，例如对 COCO 关键点数据集进行姿态估计

• YOLOv8 由 Ultralytics 于 2023 年发布。YOLOv8 引入了新功能和改进，以增强性能、灵活性和效率，支持全方位的视觉 AI 任务

• YOLOv9 引入了可编程梯度信息 （PGI） 和广义高效层聚合网络 （GELAN） 等创新方法

• YOLOv10 由清华大学的研究人员使用 UltralyticsPython 包创建。此版本通过引入端到端头来提供实时对象检测改进，消除了非最大抑制 （NMS） 要求

• YOLO11 是Ultralytics 的最新 YOLO 模型，在多项任务（包括检测、分割、姿态估计、跟踪和分类）中提供最先进的 （SOTA） 性能，利用了各种 AI 应用程序和领域的功能

1.3 核心原理

YOLO的核心原理是将目标检测任务视为一个回归问题，它将图像分割成一个个网格，然后对每个网格预测固定数量的边界框和相应的类别，并使用非极大值抑制（NMS）来合并重叠的预测框