一文读懂YOLO如何从yolov1进化到yolo26

想象一下，你正在一张照片里寻找一只猫。一个人瞥了一眼照片，立刻说道：“没错，那里有一只猫——在左上角。”很简单，对吧？

对计算机来说，这曾经是一个缓慢而繁琐的多步骤噩梦。首先，扫描成千上万个区域。然后，对每个区域进行分类。最后，确定物体的实际位置。虽然准确率很高，但速度极其缓慢。

2015年，一位名叫约瑟夫·雷德蒙的研究人员提出了一个激进的想法：如果计算机只需要……看一次会怎么样？

这个想法演变成了YOLO（You Only Look Once，你只看一次）——它改变了一切。

目标检测究竟是什么？

在深入了解 YOLO 家族树之前，让我们先快速了解一下目标检测的含义。

目标检测是计算机视觉任务中的一个任务，其中模型：

• • 在图像中找出物体（用方框框出物体）

  • 给这些物体贴上标签（“猫”、“汽车”、“人”）

它为以下设备提供动力：

🚗 自动驾驶汽车（识别行人和交通信号灯）

🏥 医学影像（肿瘤检测）

📦 仓库自动化（包裹识别）

📸 手机面部解锁

在 YOLO 出现之前，最好的模型是像 R-CNN 这样的两阶段检测器。它们首先预测物体可能存在的位置，然后对每个区域进行分类。这种方法准确，但速度慢——不适合视频或实时应用。

YOLO彻底颠覆了这种观念。

资料分享

我整理好了YOLO全系列论文代码和项目实战，还有目标检测、计算机视觉资料

需要的兄弟可以按照这个图的方式免费获取

YOLOv1 (2015) — 一切的开端

作者：约瑟夫·雷德蒙、桑托什·迪夫瓦拉、罗斯·吉尔希克、阿里·法哈迪

YOLOv1 将目标检测视为一个单一的回归问题。它没有对图像进行多次扫描，而是将图像分割成网格，并预测每个单元格的边界框和类别标签——所有这些都通过神经网络的一次前向传播完成。

你可以这样理解： YOLOv1 就像一位摄影师，一眼就能看到整个场景，而不是像侦探那样慢慢地一间一间地搜查。

关键事实：

• • 以每秒 45 帧 (FPS) 的速度处理图像——实时！

  • 架构：24 个卷积层 + 2 个全连接层

  • 可以检测20 种对象类别

  • 局限性：难以抓取小物件和靠得很近的物体。

YOLOv2 / YOLO9000 (2016) — 更智能、更快速

YOLOv2 是一次重大升级。Redmon 引入了锚框（预定义的形状，可以帮助模型更准确地预测边界框）和批量归一化（一种训练技巧，使学习更加稳定）。

最令人惊叹的是，YOLO9000 通过将检测数据与图像分类数据集相结合，能够检测出超过9000 种物体类别。这就是巧妙的数据集工程的力量。

主要改进：

• • 使用锚盒可提高精度

  • 更高分辨率的图像（416×416）

  • 多尺度预测

YOLOv3 (2018) — 暗网经典

YOLOv3引入了功能更强大的骨干网Darknet-53 ，并增加了同时检测三种不同尺度物体的能力。这对于发现大型物体（例如公共汽车）和小型物体（例如背景中的鸟类）都至关重要。

这个版本成为了计算机视觉课程和研究项目中备受青睐的必备工具。即使在今天，许多教程仍然使用YOLOv3。

主要改进：

• • 多尺度检测

  • 更好的骨干网（Darknet-53）

  • 改进的小目标检测

有趣的是： YOLOv3之后，约瑟夫·雷德蒙出于与军事用途相关的伦理问题，退出了计算机视觉研究领域。之后的YOLO版本由新的团队在他开源的基础上开发而成。

YOLOv4 (2020) — 社区接管

作者： Alexey Bochkovskiy、Chien-Yao Wang、Hong-Yuan Mark Liao

YOLOv4 是一次彻底的工程升级。作者们整理了一份庞大的技巧清单——他们称之为“免费赠品包”（训练改进，推理阶段无需任何成本）和“特殊技巧包”（架构的小调整，但准确率却大幅提高）。

新增功能包括：

• • Mosaic数据增强——将4张训练图像合并成一张，迫使模型学习处于不寻常环境中的物体。

  • CSPDarknet53主干网——更高效的特征学习

  • PANet颈部可实现更好的多尺度特征融合

  • YOLOv4 在保持速度的同时，准确率也大幅提升。

YOLOv5 (2020) — 民主化者

作者： Ultralytics（格伦·乔彻）

YOLOv5 并没有以学术论文的形式发表，而是直接发布在 GitHub 上，这引起了一些争议。但它的影响力是不可否认的。

YOLOv5是用PyTorch（最流行的深度学习框架）编写的：

• • 易于在自定义数据集上进行训练

  • 易于导出到移动设备和边缘设备

  • 资料翔实，社区氛围极佳

它让非深度学习研究人员也能使用 YOLO。突然之间，任何人都可以用自己的照片训练自定义检测器。这种计算机视觉的普及化是 YOLOv5 最伟大的贡献。

YOLOv6 (2022) — 工业聚焦

作者：美团

YOLOv6 专为工业应用而设计，例如工厂车间、质量控制和物流。它专注于高效部署在硬件加速器上，并在低延迟下实现高吞吐量。

YOLOv7 (2022) — 效率专家

作者：王建耀、Alexey Bochkovskiy、廖宏元

YOLOv7 引入了诸如扩展高效层聚合网络 (E-ELAN)等巧妙的架构技巧和模型扩展技术，在不显著增加计算量的情况下榨取了更多性能。

发布时，它是当时最先进的实时检测器。

YOLOv8 (2023) — 现代标准

作者： Ultralytics

YOLOv8 是一个里程碑式的版本。Ultralytics 从零开始重新设计了架构，并进行了两项重大更改：

• • 无锚框检测——该模型不再需要预定义的锚框；它直接预测目标中心，这更简单、更灵活。

  • 解耦式处理头——分类和边界框预测任务由不同的分支处理，从而提高了准确率。

YOLOv8 还原生支持多种任务：检测、分割、姿态估计和分类——所有这些都在一个框架中。

它成为计算机视觉领域新的首选模型，至今仍被广泛使用。

YOLOv9 (2024) — 学习真正重要的东西

作者：王建耀、叶一厚、廖鸿源

YOLOv9 解决了一个微妙但重要的问题：信息在深度网络中流动时，部分信息会丢失。关于小物体或精细纹理的重要细节，在数据到达最终预测层时可能会消失。

为了解决这个问题，作者引入了以下方法：

• • 可编程梯度信息（PGI） ——确保模型在计算梯度时能够访问原始输入信息。

  • GELAN架构——一种高效的特征聚合网络

结果如何？准确率更高，尤其是在处理具有挑战性的数据集时。

YOLOv10 (2024) — 端到端，无 NMS

作者：清华大学研究人员

传统 YOLO 算法的一个恼人瓶颈是非极大值抑制 (NMS) ——一种用于过滤重复检测结果的后处理步骤。NMS 会增加延迟，并使边缘硬件上的部署变得复杂。

YOLOv10 通过双重分配策略解决了这个问题，该策略训练模型生成干净、无冗余的预测结果，从而完全消除了对非极大值抑制（NMS）的需求。这使得部署过程更加简洁高效。

YOLO11（2024）——Ultralytics 的效率升级

作者： Ultralytics（2024年9月）

YOLO11延续了Ultralytics一贯的实用、高质量版本传统。它增加了CSP瓶颈优化和注意力模块，提高了效率，并在检测、分割、姿态估计、跟踪和分类这五项主要任务中均表现出色。

对于稳定的生产工作负载，仍然建议同时使用 YOLO26 和 YOLO11。

YOLOv12（2025）——关注成为焦点

YOLOv12 进行了一次大胆的架构转变：它转向以注意力为中心的设计，借鉴了 Transformer 模型（ChatGPT 背后的架构）的理念，以帮助模型专注于图像中最相关的部分。

这提高了处理具有重叠对象的复杂场景的性能，同时仍能保持实时速度。

YOLOv13 (2025) — 超图细化

YOLOv13 通过基于超图的特征细化技术进一步提升了准确率，该技术能够对检测到的对象之间的复杂关系进行建模。它主要是一个以研究为导向的版本，旨在提升基准测试的数值。

YOLO26（2025）——边缘优先革命

作者： Ultralytics（2025年9月）

这就是我们为您带来的——最新最棒的产品。

YOLO26 代表了YOLO 理念的战略转变。它不再追求最高的基准数字，而是提出了一个不同的问题：我们如何才能让它真正适用于所有地方——手机、无人机、机器人和嵌入式传感器？

YOLO26 有哪些新功能？

1. 不再像 YOLOv10 那样使用 NMS，YOLO26 完全从推理中移除了非最大值抑制，使部署更加简洁快速，尤其是在低功耗设备上。

2. YOLO26 不再使用 DFL ，它摒弃了自 YOLOv8 以来一直使用的分布焦点损失 (DFL)技术。DFL 虽然提高了准确率，但也增加了计算开销并提高了导出复杂度。YOLO26 无需 DFL 即可达到类似的准确率。

3. 渐进损失平衡 (ProgLoss) — 更智能的训练：渐进损失平衡会在训练过程中动态调整模型对不同类型错误的权重。这可以防止模型过度拟合简单、常见的对象，而忽略罕见或较小的对象。

4. STAL — 小物体得到关爱 小目标感知标签分配专门改进了模型处理微小物体的方式——这是 YOLO 模型长期以来的弱点。

5. MuSGD 优化器一种新型优化器，旨在训练过程中实现稳定收敛，使 YOLO26 更容易可靠地训练。

它的速度有多快？

基准测试表明，YOLO26 的CPU 推理速度比之前的 YOLO 版本快 43% ——这对边缘部署来说是一个巨大的提升。

一个框架中的五项任务

YOLO26 原生支持：

• • 目标检测

  • 实例分割

  • 姿态/关键点估计

  • 定向边界框 (OBB)

  • 图像分类

快速入门

from ultralytics import YOLO

# Load a pretrained YOLO26 nano model model = YOLO("yolo26n.pt") # Run inference on an image results = model("your_image.jpg") results[0].show()

YOLO如今在哪些领域得到应用？

YOLO 为几乎所有行业的实际应用提供支持：

• • 自动驾驶车辆——实时检测行人、骑行者和车道线

  • 医疗保健——识别X光片和视网膜扫描中的异常情况

  • 农业——发现作物病害并统计树上的果实

  • 零售业——无人收银系统（例如亚马逊的Amazon Go）

  • 安防——可对异常活动发出警报的监控摄像头

  • 机器人技术——帮助机器人导航并与环境互动

“YOLO26”是什么意思？为什么要跳级？

你可能会想——为什么从 YOLO13 直接跳到 YOLO26？

此次命名并非按顺序排列，而是具有象征意义：它代表了 Ultralytics 对“26”的愿景——一个为应对 2025 年及以后的挑战而打造的模型，强调边缘部署、简洁性和多功能性。与其说是版本号，不如说是产品名称的更新。

YOLO的下一步是什么？

YOLO（You Only Live Once，你只活一次）的故事远未结束。随着这一领域朝着以下方向发展：

• 零样本检测（发现以前从未见过的物体，就像 YOLO 世界一样）

  • 多模态模型（结合视觉和语言）

  • 智能手机和物联网传感器上的设备端人工智能