【YOLO系列】YOLO算法改进史——已更新至YOLOv12

---

---

前言

YOLO（You Only Look Once）是一种革命性的目标检测算法，以其快速和高效的性能而闻名。自2015年YOLOv1的首次推出以来，YOLO系列已经经历了多次迭代，每一次迭代都在速度、准确性和计算效率方面做出了显著的贡献。

版本号	年份	主要贡献与特点
YOLOv1	2015	实时端到端物体检测，将检测视为回归问题，单次网络评估预测位置和类别
YOLOv2	2016	引入批量归一化，高分辨率分类器，全卷积网络，能检测超过9000个类别
YOLOv3	2018	使用更深的Darknet-53网络，引入特征金字塔网络提高多尺度目标检测能力
YOLOv4	2020	结合CSPNet、PANet、SAM等技术，提高特征提取和检测效率
YOLOv5	2020	使用Pytorch框架，不同大小模型版本适应不同环境，易用性和性能显著改进
YOLOv6	2021	多种不同尺寸模型适应工业应用，继续在YOLO系列基础上改进
YOLOv7	2022	架构变化和一系列免费包提高准确率，保持实时性
YOLOv8	2023	新功能和改进，包括新的骨干网络、Anchor-Free检测头和新损失函数，提升性能和灵活性
YOLOv9	2023	引入可编程梯度信息（PGI）和基于梯度路径规划的通用高效层聚合网络（GELAN）架构
YOLOv10	2024	通过消除非最大抑制（NMS-Free）和优化各种模型组件，实现了最先进的性能。
YOLO11	2024	采用C3K2模块更利于聚合特征，在注意力方面使用C2PSA模块的多头注意力机制提取全局特征
YOLOv12	2025	提出了以注意力为中心的实时目标检测框架，打破了传统CNN在YOLO系列中的主导地位。

---

YOLOv1

• 核心思想：
  将目标检测任务视为一个回归问题，直接在整幅图像上进行边界框的预测和类别分类，一次性输出目标的位置和类别信息。
• 网络结构： 输入图像被 resize 到 448x448，经过一系列卷积层和全连接层处理。最后一个全连接层输出一个 7x7x30 的张量，其中 7x7 表示将图像划分为 7x7 的网格，每个网格对应 30 维的预测信息，包括 2 个边界框的位置（4 个值）、置信度（2 个值）和 20 类对象分类的概率。
• 优点： 检测速度快，能够在一张图像上同时预测多个目标的位置和类别；对背景的误检率相对较低，因为是基于整幅图像进行检测，能利用上下文信息。
• 缺点： 定位精度不够高，尤其是对于小目标的检测效果较差；每个网格只能预测一组类别概率，对于多个目标位于同一网格的情况处理能力有限；边界框的预测不够准确，召回率相对较低。

YOLOv2

• 改进之处：
  1. 输入尺度： 支持更高分辨率的输入，提高了对小目标的检测能力。
  2. 网络层改进：
     • 在卷积和激活函数之间添加批量归一化（Batch Normalization），加快训练速度并提高准确率，减少了对 Dropout 层的依赖。
     • 借鉴 ResNet 的思想，进行特征图的拼接操作，融合不同层次的特征信息，增强了模型对多尺度特征的表达能力。
  3. 输出结果处理：
     • 引入先验框（Anchor Boxes）的概念，每个网格预先定义多个不同尺寸和比例的先验框，提高了对不同形状目标的适应性，虽然准确率略有下降，但召回率提升明显。
     • 对边界框的预测值进行编码（Encode）处理，将预测值的范围控