YOLO框架最新综述从YOLOV1-YOLOV11（2024年10月23）

这篇文章《YOLO框架：目标检测中的演变、应用与基准的全面回顾》是一篇关于YOLO（You Only Look Once）框架的综合性回顾。YOLO是一种具有革命性的单阶段目标检测算法，以其在速度和准确性之间的显著平衡而闻名。文章由Momina Liaqat Ali和Zhou Zhang撰写，发表日期为2024年10月23日，是一篇未经过同行评审的预印本。

综述主要内容

YOLO的发展历程： 从最初的YOLOv1到最新的YOLOv11，每一代版本都在特征提取、边界框预测和优化技术等方面引入了重要的创新。这些改进特别是在骨干网络（backbone）、颈部（neck）和头部（head）组件上的进步，使得YOLO成为实时目标检测领域的领先解决方案。

YOLO的应用领域： 文章探讨了YOLO在多个领域的应用，包括但不限于：

• 医疗成像：在COVID-19检测、乳腺癌识别和肿瘤定位中发挥了重要作用，提高了诊断效率。
• 农业：用于樱桃、番茄等作物的果实检测，以及农业害虫的快速检测。
• 林业：基于改进的YOLOv5模型和迁移学习，用于森林害虫的检测。
• 自动驾驶：通过结合特征增强和注意力机制，提出了轻量级YOLOv8番茄检测算法。
• 工业制造：用于表面缺陷检测，如钢板表面缺陷检测。
• 视频监控：在恶劣天气条件下的目标检测性能评估，例如沙尘暴环境中的车辆检测。
• 无人机：基于轻量级YOLOv5模型的森林火灾检测。

重点研讨： 跨多个基准数据集对YOL0 模型(例如YOLOv9、YOLO- NAS、YOLOv10 和YOLONI1)进行深入的性能分析。该分析比较了它们对一系列应用的适用性，从轻量级联入式系统到高分辨率、 复杂的物体检测任务。

突破进展： 论文还解决了YOLO 的挑战，例如遮挡、小物体检测和数据集偏差，同时讨论了旨在減轻这些限制的最新进展。

本综述的数据来源

检索涵盖了一系列顶级出版物包括但不限于:

• IEEE模式分析和机器智能汇刊(TPANI)
• 计算机视觉和图像理解(CVIU)
• 机器学习研究杂志 (JILR）
• 国际计算机视觉杂志 (IJCV )
• 人工智能研究杂志 (JAIR）
• IBBE Xplore、SpringerLink以及关键会议论文集，包括CVPR、ICCV和ECCV

搜索结果产生了53200篇文章的初始池。为了管理这个庞大的馆藏，采用了两步筛选流程，最终本文综述由126篇相关文章所整理&