最全总结!2024年不许你还不懂YOLO!

来源：计算机视觉工坊

+v：dddvisiona，备注：目标检测，拉你入群。文末附行业细分群

0. 写在前面

YOLO在目标检测领域有多重要不必多说，今天笔者为大家推荐一篇YOLO系列的最新综述。这篇文章介绍了YOLO的应用领域和评价指标，探讨了YOLOv1到v8的主要变化，探讨了PP-YOLO、PP-YOLOE等YOLO变种，还分析了YOLO-NAS和YOLO Transformer架构，最后对YOLO系列做出总结，并思考未来趋势。

下面一起来阅读一下这项工作~

1. 论文信息

标题：A Comprehensive Review of YOLO Architectures in Computer Vision: From YOLOv1 to YOLOv8 and YOLO-NAS

作者：Juan Terven, Diana Cordova-Esparza

机构：Mexico

原文链接：https://arxiv.org/abs/2304.00501

2. 摘要

YOLO已经成为机器人、无人驾驶汽车和视频监控应用的中央实时目标检测系统。我们对YOLO的演化进行了全面的分析，考察了从原始YOLO到YOLOv8、YOLO - NAS和YOLO with Transformers的每一次迭代中的创新和贡献。我们从描述标准度量和后处理开始；然后，我们讨论了每种模型在网络架构和训练技巧上的主要变化。最后，我们总结了YOLO发展的基本经验，并对其未来进行了展望，强调了增强实时目标检测系统的潜在研究方向。

3. 文章结构

YOLO发展的时间线。

YOLO的应用领域，可真多啊。

这篇文章总结的16种YOLO方案。

4. 未来趋势

作者认为YOLO的发展趋势如下：

（1）融入最新技术。继续利用深度学习、数据增强和训练技术中的最新方法来改进YOLO架构。提高模型的性能、稳健性和效率。

（2）基准进化。当前评估目标检测模型的基准测试集COCO 2017最终可能被更先进和更具挑战性的基准测试集所取代。

（3）YOLO模型的推广和应用。YOLO框架的应用范围会相应扩大，可能应用于更多不同的领域，从家用电器设备到自动驾驶汽车。

（4）拓展到新的领域。YOLO模型有潜力扩展到目标检测和分割以外的领域，例如视频中的目标跟踪和3D关键点估计。YOLO模型将过渡到多模态框架，将视觉和语言、视频和声音处理结合起来。

（5）对多样化硬件的适应性。YOLO模型将进一步跨越硬件平台，从物联网设备到高性能计算集群。这种适应性将使YOLO模型能够根据应用的需求和约束，在不同的环境中部署。此外，通过裁剪模型以适应不同的硬件规格，YOLO可以为更多的用户和行业提供可访问性和有效性。

5. 总结

这篇文章总结了16个YOLO版本，从最初的YOLO模型到最近的YOLO - NAS。作者的总结如下：

Anchor：原始的YOLO模型比较简单，没有使用锚点，而最先进的是基于锚点的两阶段检测器。YOLOv2加入了锚点，提高了包围盒预测精度。这一趋势持续了五年，直到YOLOX引入了无锚点方法，取得了最先进的结果。此后，后续的YOLO版本都放弃了锚点的使用。

框架：YOLO最初是使用Darknet框架开发的，后续版本继续使用。然而，当Ultralytics将YOLOv3移植到PyTorch时，其余的YOLO版本都是使用PyTorch开发的，导致增强效果激增。另一种深度学习语言是百度开发的PaddlePaddle。·

Backbone：YOLO模型的骨干架构随着时间的推移发生了显著的变化。从包含简单卷积层和最大池化层的Darknet架构开始，后来的模型在YOLOv4中加入了跨阶段部分连接( Cross-stage Partial Connection，CSP )，DAMO - YOLO和YOLO - NAS中还使用了神经架构搜索。

性能：虽然YOLO模型的性能随着时间的推移有所改善，但值得注意的是，它们往往优先平衡速度和精度，而不是仅仅关注精度。这种折衷对于YOLO框架是必不可少的，允许跨各种应用的实时目标检测。

对更多实验结果和文章细节感兴趣的读者，可以阅读一下论文原文~

下载

在公众号「计算机视觉工坊」后台，回复「3dcv」,即可获取工业3D视觉、SLAM、自动驾驶、三维重建、事件相机、无人机等近千余篇最新顶会论文；巴塞罗那自治大学和慕尼黑工业大学3D视觉和视觉导航精品课件；相机标定、结构光、三维重建、SLAM，深度估计、模型部署、3D目标检测等学习资料。

3D视觉方向交流群成立啦

目前工坊已经建立了3D视觉方向多个社群，包括SLAM、工业3D视觉、自动驾驶、三维重建、无人机方向，细分群包括：

[工业3D视觉]相机标定、立体匹配、三维点云、结构光、机械臂抓取、缺陷检测、6D位姿估计、相位偏折术、Halcon、摄影测量、阵列相机、光度立体视觉等。

[SLAM]视觉SLAM、激光SLAM、语义SLAM、滤波算法、多传感器融合、多传感器标定、动态SLAM、MOT SLAM、NeRF SLAM、机器人导航等。

[自动驾驶]深度估计、Transformer、毫米波|激光雷达|视觉摄像头传感器、多传感器标定、多传感器融合、自动驾驶综合群等、3D目标检测、路径规划、轨迹预测、3D点云分割、模型部署、车道线检测、Occupancy、目标跟踪等。

[三维重建]NeRF、多视图几何、OpenMVS、MVSNet、colmap、纹理贴图等

[无人机]四旋翼建模、无人机飞控等

除了这些，还有求职、硬件选型、视觉产品落地、最新论文、3D视觉最新产品、3D视觉行业新闻等交流群

大家可以+v: dddvisiona，备注：加群+方向+学校|公司, 小助理会拉你入群。