第1章 YOLO发展史

1. YOLO发展史：从v1到v8的演进脉络，各版本核心创新点对比

聊YOLO之前，我先问大家一个问题：为什么YOLO能火这么多年？

2015年我第一次跑YOLOv1的时候，说实话，被它的速度惊到了。那时候主流的Faster R-CNN跑一张图要200多毫秒，YOLOv1直接干到20毫秒。嗯，这就是它最大的杀手锏——把目标检测当成回归问题来做，一步到位。

YOLOv1的核心思想很简单：把图像分成S×S的网格，每个网格负责预测B个边界框和类别概率。我当年第一次看论文时觉得这设计太粗暴了，但仔细想想，这恰恰是它快的根本原因。

核心创新点：

避坑指南：我曾经在项目中直接用YOLOv1检测小目标，结果惨不忍睹。因为每个网格只能预测2个框，小物体稍微密集一点就漏检。所以如果你做小目标检测，v1基本可以跳过。

YOLOv2（也叫YOLO9000）是我个人最喜欢的一个版本。为什么？因为它引入了Anchor Box的概念。说白了，就是预先定义好一些常见形状的框，让模型去微调而不是从零预测。

我记得当时用YOLOv2做交通标志检测，效果比v1好了不止一个档次。尤其是那个K-means聚类anchor的设计，让我意识到数据驱动的重要性——别自己瞎猜框的形状，让数据说话。

YOLOv3是真正让YOLO系列走向工业应用的版本。它最大的贡献是FPN（特征金字塔网络）结构。你想想看，以前模型只在最后一层特征图上检测，小物体的信息早就丢失了。v3在三个不同尺度的特征图上做检测，小目标终于有救了。

个人经验：我在做无人机航拍图像检测时，YOLOv3是第一个能同时检测到汽车（大目标）和行人（小目标）的版本。虽然速度比v2慢了一点，但精度提升太明显了。

另外，v3还换上了Darknet-53骨干网络，引入了残差连接。说实话，这个设计现在看来很常规，但在当时是很大的突破——网络可以做到更深而不退化。

YOLOv4不是原作者Joseph Redmon的作品，但它的出现让YOLO系列焕发了第二春。我个人觉得v4最大的价值在于把各种trick系统地整合在一起。

我曾经在项目中对比过v3和v4，同样的数据集，v4的mAP高了将近5个点。而且训练速度还更快——Mosaic数据增强相当于一次看了4张图，变相增大了batch size。

YOLOv5严格来说不是官方版本，但它的工程化做得太好了。我建议初学者直接从v5入手，因为：

核心创新点：

这两个版本我放在一起说。YOLOv6是美团开源的，主打工业级部署。它用了RepVGG结构，训练时是多分支，推理时合并成单分支，速度极快。

YOLOv7则是另一种思路——重参数化 + 动态标签分配。我记得当时测试v7的推理速度，在T4显卡上能达到160 FPS，比v5快了将近一倍。

YOLOv8是Ultralytics在2023年初发布的，可以说是集所有优点于一身。它最大的变化是：

我的建议：如果你现在要开始一个新项目，直接上YOLOv8。它不仅在精度上全面超越前代，而且训练速度更快，部署也更方便。我最近做的工业缺陷检测项目，v8比v5的mAP高了3个点，推理速度还快了20%。

回顾YOLO这8年的发展，你会发现一个规律：从简单到复杂，再从复杂回归简单。v1简单但精度差，v3-v4越来越复杂，到了v8又回到了简洁优雅的设计。这其实也是深度学习发展的缩影——真正好的设计，往往是看起来简单但背后有深刻思考的。

下一章我会带大家深入YOLOv8的代码结构，手把手教你改模型。到时候你会发现，理解了这些演进脉络，改代码就像搭积木一样简单。