YOLO系列算法演进全解析：从v1到v8的架构示意图与核心改进

1次阅读

共计 1559 个字符，预计需要花费 4 分钟才能阅读完成。

2015 年 YOLOv1：首次提出单阶段检测思想，将检测任务转化为回归问题，实现端到端预测
2016 年 YOLOv2：引入批量归一化、Anchor 机制和高分辨率分类器
2018 年 YOLOv3：采用 Darknet-53 骨干网络，引入多尺度预测和 FPN 结构
2020 年 YOLOv4：整合 CSPNet、PANet、Mish 激活函数等多项先进技术
2021 年 YOLOv5：采用 Focus 结构和自适应锚框计算，大幅提升训练效率
2022 年 YOLOv6：引入 RepVGG 风格的重参数化设计
2023 年 YOLOv7：提出扩展型和复合缩放方法
2023 年 YOLOv8：引入可切换的骨干网络和任务特定头

输入处理 ：v1 使用 448×448 固定输入，v5 开始支持动态输入尺寸
骨干网络 ：从 v1 的 GoogLeNet 衍生网络到 v8 的可切换架构
颈部结构 ：v3 引入 FPN，v4 使用 PANet 加强特征融合
预测头 ：v2 开始使用 Anchor 机制，v8 实现任务解耦

YOLOv3 的 FPN 结构 ：通过自上而下和横向连接实现多尺度特征融合，显著提升小目标检测能力
YOLOv4 的 CSPNet：跨阶段部分网络减少计算量同时保持准确率
YOLOv5 的 Focus 结构 ：通过切片操作实现下采样，保留更多空间信息
YOLOv6 的 RepVGG 设计 ：训练时多分支结构，推理时转换为单路径，兼顾性能和效率

版本	mAP@0.5	速度 (FPS)	参数量 (M)	输入尺寸
v3	57.9	45	61.5	416×416
v4	65.7	62	63.0	608×608
v5s	56.8	140	7.3	640×640
v8n	53.9	250	3.4	640×640

数据来源：官方论文和开源仓库测试结果

实时视频分析 ：YOLOv8n/v5s，200+FPS 满足实时性要求
高精度检测 ：YOLOv4/v7，mAP 可达 65% 以上
移动端部署 ：YOLOv6/v8 的量化版本，参数量 <5M

import torch
from models.experimental import attempt_load
from utils.general import non_max_suppression

# 加载预训练模型
model = attempt_load('yolov5s.pt')

# 图像预处理
def preprocess(image):
    # 缩放到 640x640，归一化到 0 -1
    img = cv2.resize(image, (640, 640))
    img = img[..., ::-1].transpose(2, 0, 1)  # BGR to RGB
    img = torch.from_numpy(img).float() / 255.0
    return img.unsqueeze(0)

# 后处理
def postprocess(pred, conf_thres=0.25, iou_thres=0.45):
    # 应用 NMS 过滤冗余检测框
    pred = non_max_suppression(pred, conf_thres, iou_thres)
    return pred