YOLO系列v1-v8

YOLO是Region-free方法，只需要一次扫描，也被称为单阶段（1-stage）模型。而Region-based方法方法，如mask-rcnn ，被称为两阶段（2-stage）方法。

YOLOv1-v3是原作者，v4和v7是一个作者。v5和v8是一个作者，但其缺少论文。

1 YOLOv1

2015年6月《You Only Look Once: Unified, Real-Time Object Detection》

论文地址https://arxiv.org/abs/1506.02640

2 YOLOv2

2016年论文《YOLO9000:Better, Faster, Stronger》

可参见：YOLOv2、YOLO9000论文笔记YOLOv2、YOLO9000论文笔记_AI强仔的博客-CSDN博客

3 YOLOv3

YOLOv3的论文于2018年发表在CVPR上.

论文下载地址《YOLOv3: An Incremental Improvement 》: https://arxiv.org/abs/1804.02767

yolov3之后的原作者Joseph Redmon因为yolo的军事应用和对他人个人隐私风险而退出了yolo系列的研究。

4 YOLOv4

2020年4月。作者团队：Alexey Bochkovskiy&中国台湾中央研究院

论文链接《YOLOv4: Optimal Speed and Accuracy of Object Detection 》：https://arxiv.org/pdf/2004.10934.pdf

5 YOLOv5

2020年6月。Ultralytics 的创始人兼 CEO Glenn Jocher 放出了 YOLOv5.

YOLO V5 在性能上稍弱于YOLO V4，但是在灵活性与速度上远强于YOLO V4，在模型的快速部署上具有极强优势。虽然现在的研究成果还达不到“下一代”YOLO的高度，但是被称作YOLO V4.5或者Above YOLO 是没问题的。

git地址：GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite

YOLOv5 自从 2020 年发布以来，一直是没有论文的。

6 YOLOv6

2022年9月。论文： 《YOLOv6: A Single-Stage Object Detection Framework for Industrial Applications》。YOLOv6(已取得YOLO作者的许可，不再是YOLOv6-MT)是美团技术团队面向工业应用设计的单阶段目标检测方案。

github： https://github.com/meituan/YOLOv6

7 YOLOv7

2022年7月。YOLOV7是目前YOLO系列最先进的算法，在准确率和速度上超越了以往的YOLO系列.YOLOv4团队打造YOLOv7。

论文地址《YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors 》：https://arxiv.org/abs/2207.02696

8 YOLOv8

YOLOv8 是 ultralytics 公司在 2023 年 1月 10 号开源的 YOLOv5 的下一个重大更新版本，目前支持图像分类、物体检测和实例分割任务.

参考：Home - Ultralytics YOLOv8 Docs

论文：截止2023年7月3日好像还没出来。