yolo系列网络在目标检测领域取得了巨大的成功, 尤其是在工程实践中, 以其出色的性能优势获得了广泛的应用落地。
YOLO的前3个版本是由同一个作者团队出品, 算是官方版本。 之后的版本都是各个研究团队自己改进的版本, 之间并无明显的继承关系。
其中v5和v8 版本由Ultralytics 公司出品, 该公司是领先的人工智能公司,以yolov5网络出名。 该项目在github上获得了极高的关注, 获得了接近4.7万star。
项目地址: https://github.com/ultralytics/yolov5
版本 | 时间 | 主要改进 |
---|---|---|
YOLOv1 | 2016.05 | 首次提出 |
YOLOv2 | 2016.12 | 1 采用BN; 2 采用448*448分辨率预训练Imagenet; 3 去掉fc,采用全卷积; 4 采用anchor, 并采用k-means聚类选择anchor的先验尺寸; 5 添加一个旁路, 在更大的特征图26*26上预测 6 多尺度训练:每10batch 采用不同的输入图像尺寸,从320~608, 间隔32 : 7 提出了Darknet-19 作为backbone |
YOLOv3 | 2018.04 | 1 提出了Darknet-53 作为backbone; 2 采用了FPN |
YOLOv4 | 2020.04 | 1 改进了backbone,提出CSPDarknet53, 并改进了SAM, PAN, BN等模块; 2 数据增强:提出了Mosaci数据增强;提出了自对抗训练SAT; 3 采用了CIoU作为loss; 4 采用Mish作为激活函数; 5 用进化算法调了超参数 |
YOLOv5 | 2020 | 待补充 |
YOLOF | 2021.03 | |
YOLOX | 2021.09 | |
YOLOv7 | 2022.07 | |
YOLOv6 | 2022.09 | |
YOLOE | 2022.12 | |
YOLOv8 | 2023 | |
YOLOR | 2023.09 | |
YOLOv9 | 2024.02 |
参考:
[1] https://blog.csdn.net/leonardotu/article/details/137372018