YOLO的演变：从YOLOv1到YOLOv12

YOLOv1：开创实时检测先河

2016 年推出的 YOLOv1 ，首次将整个物体检测流程整合至一个卷积网络内。通过直接回归的方式，快速获取目标的位置信息与类别分类信息，大幅降低计算量，实现了 45FPS 的检测速度，其 Fast YOLO 版本更是达到 155FPS 。算法先将输入图片缩放至 448×448×3 尺寸，经卷积网络骨干提取特征图，再通过两层全连接层，输出 7×7×30 的特征图。具体而言，将图片划分为 7×7 的网格，物体中心所在网格负责该物体检测，每个网格预测 2 个边框。

网络架构

骨干网络采用 GoogLeNet，由 24 个卷积层与 2 个全连接层构成，首卷积层使用 7×7 卷积。

虽然 YOLOv1 检测速度快、迁移能力强，但其对密集小物体检测效果欠佳，定位误差大，对不常见角度目标泛化能力弱。

2. YOLOv2/YOLO9000（2017年）

2017 年的 YOLOv2 从准确性、速度和识别对象数量三个维度对 YOLOv1 进行改进。

思路

更准确

加入了批量归一化的正则化手段，加速了收敛速度，提升了收敛效果，同时提升了精确度。

原来的YOLOv1直接回归预测框的坐标，由于不同物体的尺寸不同，导致YOLOv1在精确定位方面表现较差，在YOLOv2中放弃了全连接层预测边界框而采用了anchor boxes机制来预测边界框，同时去掉了一个池化层，使卷积层输出更高的分辨率。

使用anchor box后，其框的尺寸会随着训练不断自我调节，由于框的大小不一，所以不采用标准的欧氏距离而是box和聚类中心box之间的iou作为距离指标。YOLOv2虽然引入了anchor box来预测box，但是所用的方法还是YOLOv1中的直接预测相对于网格坐标位置的方式。

更快

将分类网络换成了Darknet-19，整体上卷积操作比YOLOv1中要少，减少了运算量。

识别更多对象

扩展到能检测9000种不同对象。

网络结构

这一版本在一定程度上增强了小目标检测能力，降低计算量，但仍未采用残差网络，对密集小目标检测效果有待提升。

3. YOLOv3 （2018年）

2018 年的 YOLOv3 采用 Darknet - 53 主干网，引入多尺度预测。引入多尺度预测。仅使用卷积层，通过调节卷积步长控制特征图尺寸，借助 FPN 架构输出三个不同尺度的特征图，融合高低级语义信息，实现对不同大小物体的有效检测。

网络结构

同时，通过划分正例、负例和忽略样例，优化训练过程中的损失计算，在速度与精度上取得较好平衡，基本解决小目标检测问题 。

4. YOLOv4 （2020年）

YOLOv4 通过跨阶段部分网络（CSP）、空间金字塔池化（SPP）和路径聚合网络（PAN）等增强功能进一步优化了检测管道。这些创新提高了准确性和速度，解决了类不平衡和改进特征融合等难题。

思路

1. 将CSP结构融入Darknet53中，生成了新的主干网络CSPDarkent53，可以有效增强网络的学习能力，降低成本。同时增加了Droblock，缓解过拟合现象。
2. Neck结构主要采用了SPP模块，FPN+PAN的方式，SPP模块指的是用不同尺度的最大池化方式连接不同尺寸的特征图，可以显著分离上下文的特征，此外FPN和PAN起到了特征聚合的作用。
3. 引入了Mish激活函数，可以增加精度。
4. 输入部分采用了Mosaic数据增强，随机采用四张图片随机缩放后随机拼接，丰富了数据集，增强了模型的鲁棒性。
5. 预测部份采用了CIOU_Loss替换了IOU_Loss，DIOU_nms替换了nms抑制，充分考虑了边框不重合，中心点距离，以及边框宽高比的问题。

网络结构

5. YOLOv5（2020年）

YOLOv5 由 Ultralytics 在 PyTorch 平台上发布，强调易用性、模块化和部署灵活性。它提供了从纳米到超大型的多种模型尺寸，使用户能够根据不同的硬件能力在速度和准确性之间取得平衡。

同样在 2020 年发布的 YOLOv5 由 Ultralytics 基于 PyTorch 开发，注重易用性、模块化和部署灵活性。加入 focus 框架加速训练，将 CSP 模块应用于 neck 结构，用 SPPF 结构代替 SPP。anchor box 采用训练时自适应生成方式，填充增强环节自适应添加最少黑边，并提供多种模型尺寸，满足不同硬件条件下速度与准确性的平衡需求。

网络结构

6. YOLOv6 （2022年）

2022 年的 YOLOv6 针对工业应用进行优化，骨干网络替换为 EfficientRep，Neck 采用基于 Rep 和 PAN 构建的 Rep - PAN，检测头模仿 YOLOX 进行解耦和优化。这些改进进一步提升算法计算效率，使其更适用于对实时性要求高的工业场景。

7. YOLOv7 （2022年）

YOLOv7 继续演进，对特征聚合进行了微调，并引入了新型模块，以提高速度和准确性。它在训练技术和层优化方面的改进使其成为实时物体检测（尤其是在边缘设备上）的顶级竞争者。

网络结构

2022 年的 YOLOv7 通过 E - ELAN 结构提升网络学习能力，提出计划的模型结构重参化，借鉴多种优化方法高效利用参数和计算量，并引入新的标签分配方法。在特征聚合和训练技术上的改进，使其成为实时物体检测尤其是边缘设备上的优秀选择。

8. YOLOv8（2023年）

YOLOv8 通过整合分割、图像分类甚至姿态估计等功能，将模型的多功能性扩展到了物体检测之外。它建立在 YOLOv5 和 YOLOv7 的基础上，同时在广泛的应用中提供更好的可扩展性和鲁棒性。

网络结构

2023 年的 YOLOv8 将功能扩展到物体检测之外，涵盖分割、图像分类和姿态估计等领域。骨干网络和 Neck 部分参考 YOLOv7 ELAN 设计，采用 C2f 结构并调整通道数；Head 部分换成解耦头结构，转为 Anchor - Free 模式；Loss 计算采用新的正样本分配策略并引入 Distribution Focal Loss；训练数据增强借鉴 YOLOX 的策略，提升模型性能和可扩展性 。

9. YOLOv9 （2024年）

YOLOv9 引入了可编程梯度信息（PGI）和广义高效层聚合网络（GELAN）等关键架构创新。这些变化提高了网络的效率和准确性，特别是在轻量级模型中保留了重要的梯度信息。

改进点

• 从可逆函数角度理论上分析了现有的CNN架构，基于这种分析，设计了PGI（包括主分支、辅助可逆分支和多级辅助信息），解决了深度监督只能用于极深的神经网络架构的问题，因此使得新的轻量级架构才更适合落地。

  

• 设计了GELAN模块。

  

网络结构

10. YOLOv10 （2024年）

YOLOv10 进一步完善了设计，通过一对一的头部方法消除了推理过程中对非最大抑制（NMS）的需求。该版本通过采用轻量级分类头和空间通道解耦下采样等先进技术，优化了速度和准确性之间的平衡。不过，其严格的一对一预测策略有时会使其在处理重叠对象时效果不佳。

网络结构

2024 年的 YOLOv10 通过一对一头部方法消除推理时对 NMS 的需求，采用轻量级分类头和空间通道解耦下采样技术，优化速度与准确性平衡。后处理提出 NMSfree 训练的一致双分配，实现端到端高效检测，并引入整体效率精度驱动的模型设计策略。

11. YOLOv11（2024年9月）

YOLOv11 是 Ultralytics 发布的另一个版本，它集成了跨阶段部分自注意（C2PSA）等现代模块，并用更高效的替代模块（如 C3k2 模块）取代了旧模块。这些改进提高了模型的特征提取能力和检测小型重叠物体的能力，为 YOLO 系列树立了新的标杆。

网络结构

2024 年 9 月的 YOLOv11 由 Ultralytics 发布，集成 C2PSA 等现代模块，用 C3k2 模块替代旧模块。C3k2 模块优化信息流，C2PSA 模块提升特征提取能力，增强对小型重叠物体的检测效果 。

12. YOLOv12（2025年2月）

最新版本 YOLOv12 引入了以注意力为中心的设计，以实现最先进的实时检测。YOLOv12 融合了区域注意力（A2）模块和残差高效层聚合网络（R-ELAN）等创新技术，在高精度和快速推理之间取得了平衡。虽然其复杂的架构增加了计算开销，但它为在物体检测中实现更细致的上下文理解铺平了道路。

网络结构

创新点

• 区域注意力（Area Attention）

为了克服传统自注意力机制的高计算成本问题， 将特征图水平或垂直划分为大小相等的区域（默认分为 4 部分）。这种简单而有效的方法在保留大感受野的同时，显著降低了计算复杂度。

• 残差高效层聚合网络（Residual Efficient Layer Aggregation Networks，R-ELAN）

R-ELAN 是早期 ELAN 架构的演进版本，它通过引入块级残差连接和缩放技术，解决了训练过程中的不稳定性问题。这种重新设计的特征聚合方法，使得即使是更深更宽的模型版本也能稳定训练。

YOLOv1-v12教程【2025最新YOLO算法教程】一口气讲完目标检测yolov1-v11，100集算法原理+项目实战，通俗易懂，草履虫听了都点头！