目标检测 YOLO 系列： 开篇

目标检测 YOLO 系列： 开篇

该系列主要由以下几篇文章组成：

• 目标检测 YOLO 系列： 开篇
• 目标检测 YOLO 系列： 开宗立派 YOLO v1
• 目标检测 YOLO 系列： 更快更准 YOLO v2
• 目标检测 YOLO 系列： 持续改进 YOLO v3
• 目标检测 YOLO 系列： 你有我有 YOLO v4
• 目标检测 YOLO 系列：快速迭代 YOLO v5
• 目标检测 YOLO 系列：你有我无 YOLOX

1. 概览

1.1 V1 到 V4

YOLO 是 Joseph Redmon 和 Ross Girshick 等于 2015 年在 You Only Look Once:Unified, Real-Time Object Detection 中提出的一种 one stage 目标检测网络，在这个基础之上又发展出了 V2(2016 年), V3(2018 年), V4(2020 年) 以及 V5(2020 年) 等一系列版本。所以说 YOLO V1 是开创了 one stage 检测的先河。

V1 到 V3 都是 Joseph 的大作, V4 是另一位 darknet 的维护者 Alexey Bochkovskiy 提出来的, V4 版本虽然不是原作者提出,但是在 Joseph 维护的 YOLO 官网上也连接了 V4 的链接,可以说是得到了 Joseph 的认可的。

1.2 V5

YOLO V5 刚出来时还有很多争议，但是它靠自己的能力征服了工业界，现在（2021年8月），YOLOv5 仍然是工业界最活跃的检测模型。

1.3 YOLOX

就在几天前， 旷世开源了 YOLOX， 声称吊打现有 YOLO 系列，至于吊打我是表示怀疑的，但是舍弃了 anchor based，改为 anchor free 就是个进步。

2. One Stage

R-CNN 系列是 Ross Girshick 的杰作，最大的不同是 YOLO 是 one-stage 的检测方式，即没有显式提取 region proposal 的步骤，而是直接输入一幅图像，使用一个神经网络直接输出 bounding box 的坐标和物体的类别、置信度。

和 R-CNN 系列的另一个不同点是 YOLO 中把检测任务当作一个回归问题来处理， 而 R-CNN 系列是把检测任务分为一个分类任务和 bounding box 的回归任务。这也是为什么 YOLO 可以做到 one-stage 的原因。

3. 结语

虽然现在工业界使用较多的还是 V3 和 V5，但是从 V1 开始来看整个 YOLO 系列的发展，会更加深刻的替换到网络的变化。所以我们将从 V1 开始。另外这一系列主要关注的偏工程化偏实现，而非理论。