YOLO基础回顾：从v1到v8的发展脉络
说实话，每次带新人入门目标检测，我总会先问一个问题：“你知道YOLO为什么叫YOLO吗？” 答案很简单——You Only Look Once，只看一次。这个命名背后，藏着整个计算机视觉领域的一次革命。
2015年，Joseph Redmon提出YOLOv1的时候，我还在用Faster R-CNN做项目。那时候的检测流程，说白了就是“先找候选框，再分类”。一张图跑下来，慢得像蜗牛。YOLO的出现，直接把检测变成了一个端到端的回归问题。嗯，这里有个关键点：它把目标检测当作一个回归任务来做，而不是分类+定位的两步走。
YOLO发展史：v1到v8的演进
我简单梳理一下各版本的里程碑，你感受下这个进化速度：
| 版本 | 年份 | 核心突破 | 我的评价 |
|---|---|---|---|
| v1 | 2015 | 开创性提出网格划分+直接回归 | 粗糙但革命性 |
| v2 | 2016 | 引入Anchor Box、Batch Normalization | 终于能用了 |
| v3 | 2018 | 多尺度预测、Darknet-53骨干 | 经典之作，至今有人用 |
| v4 | 2020 | CSPDarknet、Mish激活、CIoU损失 | 工程优化集大成 |
| v5 | 2020 | Ultralytics出品，易用性拉满 | 工业落地首选 |
| v6 | 2022 | 美团出品，更关注部署效率 | 适合移动端 |
| v7 | 2022 | E-ELAN结构，训练技巧优化 | 精度速度双提升 |
| v8 | 2023 | Anchor-Free、解耦头、全新训练范式 | 当前最主流 |
你看这个演进过程，从v1到v8，核心思想其实没变，变的只是实现细节和工程优化。我个人习惯把YOLO的发展分为三个阶段：v1-v3是奠基期，v4-v6是工程优化期，v7-v8是精细化期。
核心思想：网格划分与边界框回归
YOLO最核心的思想，说白了就两件事：把图像切成网格，然后让每个网格负责检测中心点落在它里面的物体。
举个例子，假设输入是416×416的图像，YOLOv3会把它分成13×13的网格。每个网格预测3个边界框，每个边界框包含5个值：(x, y, w, h, confidence)，再加上类别概率。你想想看，一张图总共要预测13×13×3=507个框，然后通过NMS（非极大值抑制）筛选出最终的检测结果。
关键公式：边界框回归
YOLO不直接预测边界框的绝对坐标，而是预测相对于网格的偏移量：
bx = σ(tx) + cx
by = σ(ty) + cy
bw = pw * exp(tw)
bh = ph * exp(th)其中(cx, cy)是网格左上角坐标，(pw, ph)是先验框的宽高。tx, ty, tw, th是网络预测的值。
为什么要这样设计？直接回归绝对坐标太难了。我在做工业缺陷检测时遇到过这个问题——如果直接预测坐标，模型对位置变化特别敏感，稍微偏移一点就检测不到。而用偏移量+先验框的方式，模型只需要学习“微调”就好，训练稳定得多。
避坑指南
我曾经在训练一个交通标志检测模型时，发现小目标总是漏检。后来排查发现，是网格划分太粗了。13×13的网格对于32×32像素的小目标来说，每个网格要负责的区域太大。解决方案是使用多尺度预测——这也是YOLOv3开始引入的特性。
YOLOv8架构简介
YOLOv8是Ultralytics在2023年初推出的版本。说实话，我第一次看到它的架构图时，第一反应是：“嗯，该有的都有了”。
它的整体架构可以分为三个部分：
- Backbone（骨干网络）：基于CSPDarknet改进，使用C2f模块替代了v5的C3模块。C2f模块说白了就是更密集的跨层连接，让梯度流动更顺畅。
- Neck（颈部）：延续了FPN+PAN的结构，但做了简化。FPN负责自顶向下传递语义信息，PAN负责自底向上传递位置信息。
- Head（检测头）：这是最大的变化——从Anchor-Based变成了Anchor-Free。不再需要预设先验框，直接预测物体的中心点和宽高。
我特别想强调一下这个Anchor-Free的设计。以前用YOLOv5时，每次换数据集都要重新聚类Anchor，烦得很。v8直接把这个步骤省了，说白了就是让模型自己学会“什么是合适的框”。我在做行人检测项目时试过，小目标的召回率确实有提升。
注意：Anchor-Free不是万能的
虽然v8去掉了Anchor，但对于极端长宽比的目标（比如细长的电线杆），Anchor-Based方法有时反而更稳定。我建议你在自己的数据集上两种都试试，不要盲目跟风。
YOLOv8还引入了解耦头（Decoupled Head）的设计。以前的YOLO用一个卷积同时预测分类和回归，v8把它们分开了——分类走分类的分支，回归走回归的分支。为什么这么做？因为分类和回归关注的特征其实不一样。分类更关注“这是什么”，回归更关注“它在哪里”。分开后，每个任务都能学到更专注的特征。
最后提一下损失函数。YOLOv8使用了CIoU + DFL（Distribution Focal Loss）的组合。CIoU考虑了重叠面积、中心点距离和宽高比，DFL则让边界框的预测更“软”——不是直接回归一个值，而是预测一个分布。我在实际测试中发现，这种组合对遮挡目标的检测效果特别好。
一句话总结YOLOv8
YOLOv8 = 更深的CSPDarknet + 简化的FPN/PAN + Anchor-Free解耦头 + CIoU+DFL损失。它不是一个颠覆性的创新，而是把所有已知的好东西整合到了一起，并且做到了开箱即用。
好了，基础回顾就到这里。下一章我们会正式进入迁移学习的实战环节——如何把YOLOv8这个通用模型，改造成能解决你具体问题的“专属模型”。到时候我会分享一些我在工业项目中的踩坑经验，保证实用。