【YOLO全系列架构演进史】8 YOLOv1-v3：从网格预测到Anchor机制的奠基

1. 总体定位与阅读导航

1.1.1.1 这篇文章要解决什么问题

我们打开一篇目标检测论文时，经常遇到这样的困境：公式看了三遍，代码跑了一遍，但问起"为什么这样设计"时却语塞。YOLO系列从v1到v3的演进，表面是网络变深、精度提升，内核却是一次次对"检测任务本质"的重新理解。

这篇文章不罗列超参数，不复制论文原文。我们要做的是：把三个版本的差异还原成设计决策的因果链。为什么v1用全卷积网格？为什么v2突然引入Anchor？为什么v3要在三个尺度上并行预测？每一步都不是偶然，而是前一个版本暴露的结构性缺陷在倒逼变革。

1.1.1.2 阅读路径与前置知识

现在我们已经了解了目标，接下来看看需要准备什么。你不需要读过原论文，但最好知道：卷积神经网络的基本运算（卷积、池化、全连接）、反向传播的概念、以及目标检测中"分类"与"定位"这两个子任务的区别。

如果画成图会是什么样子？我们的认知路径像一条单向流动的管道：先建立v1的基准世界观，然后观察它的裂缝，再理解v2如何用Anchor填补裂缝，最后看v3如何用多尺度缝合剩余的盲区。每一步都有闭环——我们会反复问：这在训练中意味着什么？在实际推理中又意味着什么？

2. YOLOv1：把检测变成回归问题

2.1.1.1 检测任务的困境：滑动窗口太慢了

在继续之前，让我们先回