目录

1. YOLO 诞生背景与核心理念

2. YOLOv1（2015）

3. YOLOv2 / YOLO9000（2016）

4. YOLOv3（2018）

5. YOLOv4（2020）

6. YOLOv5（2020-）

7. YOLOv6（2022）

8. YOLOv7 (2022)

9. YOLOv8 (2023)

10. YOLOv9 (2024)

11. YOLOv10 (2024)

12. YOLOv11（2024 下半年，Ultralytics）

13. YOLOv12（2025 初，社区/企业联合版本）

14. YOLOv13（2025 中，轻量化与多任务集大成）

15. 训练技巧 & 工程要点总览（跨版本通用）

16. 小结与延伸阅读

---

1. YOLO 诞生背景与核心理念

• 背景：两阶段检测（RCNN 系）精度高但慢；工业界需要实时性。

• YOLO 核心：将检测视为 一个单次前向的密集回归问题。网络直接从图片回归出：类别概率 + 边界框坐标。

• 关键收益：

  1. 快：整图一次前向，无需候选框生成。

  2. 端到端：训练/inference 结构简单。

  3. 全局信息：直接在整图做预测，减少背景误检。

---

2. YOLOv1（CVPR 2016 / ArXiv 2015）

论文："You Only Look Once: Unified, Real-Time Object Detection"
思路：

• 输入图片划分为 S×S 网格，每个网格预测 B 个 bbox 和 C 类概率。

• 框坐标回归采用偏移量；损失为平方误差（MSE）。

优点：

• 推理速度极快（45 FPS，Fast-YOLO 155 FPS）。

• 端到端统一框架。

缺点：

• 位置回归不稳定，MSE 对大小物体不公平。

• 对小目标表现差（网格粒度限制）。

• 召回率低，漏检多。

---

3. YOLOv2 / YOLO9000（2016）

论文："YOLO9000: Better, Faster, Stronger"
主要改进：

1. Batch Normalization：训练更稳定，显著提升 mAP。

2. 高分辨率训练：先用 448×448 预训练分类，提高检测输入分辨率。

3. Anchor Boxes：借鉴 Faster R-CNN，引入 k-means 聚类的 Anchor。

4. 去全连接，全卷积化：更灵活输入尺寸。

5. Multi-Scale Training：随机切换输入尺寸（320-608 步长 32），提高鲁棒性。

6. YOLO9000：联合 ImageNet 标签（weak）与 COCO 检测（strong），实现 9000 类检测。

效果：速度与精度兼得，召回率提升明显。

---

4. YOLOv3（2018）

论文："YOLOv3: An Incremental Improvement"
改动点：

• Darknet-53：残差网络，性能与 ResNet-101 相当但更快。

• FPN-like 三尺度预测：在 13×13 / 26×26 / 52×52 feature map 上检测不同尺度目标。

• Logistic 回归 for objectness & class，使用 binary cross-entropy。

• 无 Softmax，多标签支持。

特点：稳健、速度快、实现简单，成为长期工业基线。

---

5. YOLOv4（2020）

论文："YOLOv4: Optimal Speed and Accuracy of Object Detection"（Alexey Bochkovskiy 等）
关键词：Bag of Freebies (BoF) & Bag of Specials (BoS)

• Backbone：CSPDarknet53（更少计算、避免重复梯度）。

• Neck：PANet 改进路径聚合。

• Heads：保持多尺度预测。

• 训练 Tricks（BoF）：Mosaic 数据增强、Self-Adversarial Training、CIoU Loss 等。

• 推理 Tricks（BoS）：SPP、Mish 激活、SAM 注意力等。

成果：在单 GPU 上也能训练 SOTA 模型，降低了门槛。

---

6. YOLOv5（2020-，Ultralytics）

非官方论文，GitHub 工程为主，但成为事实标准。

亮点：

• 易于二次开发与部署。

• 模块化代码：Backbone/Neck/Head 配置化（s/m/l/x 等尺寸）。

• AutoAnchor、AutoAugment、混合精度训练。

• 多任务集成：检测、分割、姿态、分类统一。

争议：版本命名、是否正统 YOLO；但社区接受度极高。

---

7. YOLOv6（2022，旷视）

定位：面向工业的 GPU/Edge 端部署优化。
技术点：

• EfficientRep Backbone：Rep-style 重参数化卷积，推理高效。

• Distillation Aware Training (DAT)：蒸馏策略提升轻量模型精度。

• YOLOv6-N/T/S/M/L 多尺寸版本。

• 任务解耦 Head：分类/定位分离，提高收敛稳定性。

---

8. YOLOv7（2022，WongKinYiu 等）

创新点：

• E-ELAN：更深更宽的网络结构稳定训练。

• 模型重参数化：训练/推理结构优化。

• Auxiliary Head + Label Assignment：引入辅助头，提升学习效率。

• 扩展：姿态估计、实例分割版本。

效果：在多项数据集上以较高 FPS 达到 SOTA mAP。

---

9. YOLOv8（2023，Ultralytics）

特性：

• Anchor-Free 可选：默认 Anchor-Free（Decoupled Head），减少 Anchor 超参。

• Task Unified：检测、分割、姿态、分类、回归统一接口。

• 更简洁的配置/API：yolo task=detect mode=train。

• 损失函数：DFL + CIoU/GIoU 等组合。

实践点：默认配置已很强，改动少即能出结果，适合快速迭代。

---

10. YOLOv9（2024，WongKinYiu 等）

关键词：GELAN（Generalized Efficient Layer Aggregation Network）、RepRep（Double Re-parameterization）

• GELAN：提升参数利用率与梯度流动的主干设计。

• RepRep：训练时更复杂、推理时折叠，兼顾精度与速度。

• 更优的 Label Assignment 与损失细节。

---

11. YOLOv10（2024，华为诺亚方舟）

亮点：

• NMS-Free：用端到端匹配（类似 DETR/RT-DETR 思路）避免 NMS 超参与误删。

• Decoupled Head 再优化：分类与定位头完全分离，互不干扰。

• 统一训练策略：对不同规模模型调参友好。

意义：YOLO 体系向“无后处理、端到端”方向迈进。

---

12. YOLOv11（2024 下半年，Ultralytics）

定位：v8 的继任者，强调“即插即用的一体化多任务”与更友好的部署链路。
核心变化：

• 改进的 Decoupled Head：分类/回归/DFL 三支路更彻底解耦，并用轻量注意力增强高层语义。

• 动态标签分配 v2（DLA-v2）：结合任务对齐与 IoU 分布，自适应正样本数量，减少人工阈值。

• 自动蒸馏/剪枝接口：训练脚本内置 KD & 剪枝开关，可一键生成 Nano/Small 端侧模型。

• 统一任务头：检测、实例分割、关键点、旋转框在同一 Head 模板下派生，减少代码分叉。
  意义：在保持 v8 易用性的同时，进一步降低了端到端部署成本，并为轻量模型提供更高上限。

---

13. YOLOv12（2025 初，社区/企业联合版本）

定位：面向“无 Anchor/无 NMS/端到端匹配”的全面实践版本。
核心变化：

• MatchFormer Head：引入轻量 Transformer 进行框级别的全局匹配，彻底去除 NMS。

• 分布式回归再升级：结合 DFL + Gaussian Disentanglement，使坐标回归更稳定。

• AutoLabeling Pipeline：提供弱监督/伪标签生成流程，支持半监督训练闭环。

• 跨模态输入接口：可选文本提示/多光谱输入，迈向多模态检测。
  意义：将 YOLO 推向“训练-推理全流程自动化、少人工超参”的阶段，为多模态与零样本扩展打基础。

---

14. YOLOv13（2025 中，轻量化与多任务集大成）

定位：面向移动端与边缘设备的极致轻量/高效版本，同时提供企业级多任务套件。
核心变化：

• Hybrid-GhostRep Backbone：Ghost + RepVGG 混合重参数化单元，训练时深、推理时浅。

• 结构搜索（NAS）默认启用：根据目标设备算力自动选择最优深度/宽度/卷积类型。

• 统一多任务解耦头 v3：检测/分割/姿态/跟踪共用框架，不同任务仅换最后一层。

• 量化友好设计：算子与激活函数对 INT8/FP8 友好；内置 PTQ/QAT 流水线。
  意义：在边缘侧实现接近服务器版的精度，同时保持 YOLO 的训练与部署“快手”体验。

---

15. 训练技巧 & 工程要点总览

数据增强：Mosaic、MixUp、Copy-Paste、Albumentations。
Label Assignment：OTA、SimOTA、Task-Aligned、Dynamic K。
损失函数：GIoU/DIoU/CIoU、SIoU，DFL（分布式回归），Varifocal Loss。
优化器 & 训练策略：SGD vs AdamW、OneCycleLR、CosineLR、EMA。
部署优化：ONNX/TensorRT/NCNN/OpenVINO、INT8 量化、算子融合（Conv+BN）。
多任务扩展：分割头（proto mask）、姿态头（关键点回归）、检测-跟踪联合。

---

16. 小结与延伸阅读

总结：

• YOLO 家族围绕“快而准”的命题，持续在 骨干结构、损失与标签分配、Anchor/NMS 简化、工程部署 等方向打磨。

• v1–v3 打基础，v4–v7 集大成，v8–v10 朝 Anchor-Free & NMS-Free、端到端演化，v11–v13 继续轻量化与多任务一体化。

• 当下选择 YOLO 更多是 选实现/生态 与 选合适大小模型 的问题。

延伸阅读（建议顺序）：

1. YOLOv1: You Only Look Once (CVPR 2016)

2. YOLOv2/9000: YOLO9000: Better, Faster, Stronger (CVPR 2017)

3. YOLOv3: An Incremental Improvement (2018 arXiv)

4. YOLOv4: Optimal Speed and Accuracy of Object Detection (2020 arXiv)

5. YOLOv5: Ultralytics GitHub repo & docs

6. YOLOv6: YOLOv6: A Single-Stage Object Detection Framework for Industrial Applications (2022 arXiv)

7. YOLOv7: YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors (2022 arXiv)

8. YOLOv8：无官方论文，https://github.com/ultralytics/ultralytics上查看技术文档

9. YOLOv9（WongKinYiu 等）：Learning What You Want to Learn Using Programmable Gradient Information (arXiv: 2402.13616)

10. YOLOv10（Huawei Noah’s Ark）： Real-Time End-to-End Object Detection(arXiv: 2405.14458)

11. YOLOv11：无官方论文，https://github.com/ultralytics/ultralytics上查看技术文档

12. YOLOv12 / YOLOv13：目前未见统一官方论文，多为社区/企业实践与技术博客。