（1）YOLO發展史

YOLO(You Only Look Once）是一種流行的物體檢測和圖像分割模型，由華盛頓大學的約瑟夫-雷德蒙（Joseph Redmon）和阿里-法哈迪（Ali Farhadi）開發。YOLO 于 2015 年推出，因其高速度和高精確度而迅速受到歡迎。

• 2016 年發布的YOLOv2 通過納入批量歸一化、錨框和維度集群改進了原始模型。

• 2018 年推出的YOLOv3 使用更高效的骨干網絡、多錨和空間金字塔池化（SPP）進一步增強了模型的性能。

• 2020 年YOLOv4發布，引入了 Mosaic 數據增強、新的無錨檢測頭和新的損失函數等創新技術。

• 2020 年YOLOv5進一步提高了模型的性能，并增加了超參數優化、集成實驗跟蹤和自動導出為常用導出格式等新功能。

• 2021 年YOLOX由曠視科技開源，解耦頭

• 2022 年YOLOv6由美團開源，目前已用于該公司的許多自主配送機器人。

• 2022 年YOLOv7開源，增加了額外的任務，如 COCO 關鍵點數據集的姿勢估計。

• 2023 年YOLOv8是YOLO 的最新版本，由Ultralytics 提供。YOLOv8 YOLOv8 支持全方位的視覺 AI 任務，包括檢測、分割、姿態估計、跟蹤和分類。這種多功能性使用戶能夠在各種應用和領域中利用YOLOv8 的功能。

• 2024 年YOLOv9引入了可編程梯度信息（PGI）和廣義高效層聚合網絡（GELAN）等創新方法。

• 2024年YOLOv10引入了一種雙重分配策略，消除了NMS的需求，從而實現了更快、更高效的目標檢測。

• 2024年YOLO11 新功能： 最新的 模型可在Ultralytics YOLO 檢測、分割、姿勢估計、跟蹤和分類等多項任務中提供最先進的 (SOTA) 性能，充分利用各種人工智能應用和領域的能力。

• 2025.02.18 YOLOv12發布，首次擺脫了傳統卷積神經網絡的約束，將注意力機制直接融入目標檢測框架，創新性的使用區域注意力、R-ELAN 和 FlashAttention，在提高檢測精度（mAP）的同時保持實時推理性能。

YOLO家族進化史（v1-v8）

（2） YOLOX

目標檢測網絡YoloX介紹及實現

YOLOX簡述

論文地址： https://arxiv.org/abs/2107.08430

代碼倉庫： https://github.com/Megvii-BaseDetection/YOLOX

（3） YOLOv6

論文地址：

• YOLOv6 v3.0: A Full-Scale Reloading 🔥
• YOLOv6: A Single-Stage Object Detection Framework for Industrial Applications

代碼倉庫： https://github.com/meituan/YOLOv6

（4） YOLOv7

論文地址： YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors

代碼倉庫： https://github.com/WongKinYiu/yolov7

（5） YOLOv8

論文地址： /

代碼倉庫： https://github.com/ultralytics/ultralytics

（6） YOLOv9

江大白 | 目標檢測YOLOv9算法，重磅開源！

論文地址： https://arxiv.org/abs/2402.13616

代碼倉庫： https://github.com/WongKinYiu/yolov9

（7）YOLOv10

目標檢測 | yolov10 原理和介紹

論文地址： https://arxiv.org/pdf/2405.14458
代碼倉庫： https://github.com/THU-MIG/yolov10

（8）YOLOv11

YOLOv11來了，使用YOLOv11訓練自己的數據集和推理

代碼倉庫： https://github.com/ultralytics/ultralytics

（9）YOLOv12

YOLOv12問世！

YOLOv12論文詳解：以注意力機制為核心的實時目標檢測算法（附論文和源碼）

論文地址：https://arxiv.org/abs/2502.12524

代碼倉庫：https://github.com/sunsmarterjie/yolov12