YOLO系列算法演进示意图：从v1到v8的技术脉络与核心改进

1次阅读

共计 1535 个字符，预计需要花费 4 分钟才能阅读完成。

目标检测是计算机视觉中的核心任务之一，而实时性要求高的场景（如自动驾驶、视频监控）往往需要在精度和速度之间取得平衡。YOLO（You Only Look Once）系列算法因其 ” 单阶段检测 ” 的设计理念，成为实时目标检测的重要选择。

然而，随着 YOLO 系列从 v1 迭代到 v8，开发者面临着几个典型问题：

版本迭代频繁，技术改进点分散难以系统掌握
不同版本间架构差异大，缺乏直观对比工具
实际应用中不知如何根据场景选择合适版本

YOLOv1（2016）：开创性将检测转化为回归问题，实现端到端训练
YOLOv2（2017）：引入 Anchor 机制，提出 Darknet-19 骨干网络
YOLOv3（2018）：采用 Darknet-53，首次实现多尺度预测
YOLOv4（2020）：引入 CSPDarknet53，使用 SPP/PANet 模块
YOLOv5（2020）：工程优化典范，新增 Focus 切片操作
YOLOv7（2022）：提出 E -ELAN 扩展高效层聚合网络
YOLOv8（2023）：转向 Anchor-Free 设计，优化损失函数

版本	骨干网络	核心创新	输入分辨率	mAP50-95
v1	定制 CNN	网格划分 + 回归预测	448×448	21.2
v3	Darknet53	多尺度预测 + 残差连接	416×416	33.0
v5	CSPNet	Focus 模块 + 自适应锚框	640×640	50.7
v8	改进 CSP	Anchor-Free+DFL 损失	640×640	53.9

import torch
import torch.nn as nn

class Focus(nn.Module):
    """
    Focus 模块通过切片操作实现通道扩充
    输入 [B,3,H,W] -> 输出 [B,12,H//2,W//2]
    """
    def __init__(self, c1, c2, k=1):
        super().__init__()
        self.conv = nn.Conv2d(c1*4, c2, k, 1, 0)

    def forward(self, x):
        # 切片操作：将空间信息重组到通道维度
        # [B,C,H,W] -> [B,4C,H//2,W//2]
        return self.conv(
            torch.cat([x[..., ::2, ::2],  # 左上
                x[..., 1::2, ::2], # 左下
                x[..., ::2, 1::2], # 右上
                x[..., 1::2, 1::2] # 右下
            ], 1)
        )

图示说明：通过分组卷积和跨层连接（红色箭头）实现梯度分流，提升反向传播效率