1. 模型特点
| 版本 | 年份 | 核心优势 | 性能指标（COCO） | 依赖库与框架 | 训练网络（骨干） | 数据增强方法 | 适用场景 |
|---|---|---|---|---|---|---|---|
| YOLOv1 | 2016 | 首个单阶段实时检测模型 | 45.7% mAP / 45 FPS | C/C++、Darknet | 自定义CNN（24层卷积） | 基础缩放、颜色抖动 | 简单实时检测 |
| YOLOv2 | 2017 | 引入Anchor Boxes，支持9000类检测 | 56.8% mAP / 40-45 FPS | Darknet、OpenCV | Darknet-19 | 多尺度训练、Anchor聚类 | 多类别检测 |
| YOLOv3 | 2018 | 多尺度预测，Darknet-53骨干网络 | 67.3% mAP / 30-45 FPS | Darknet、PyTorch社区版 | Darknet-53 | Mosaic（社区实现） | 复杂场景多目标检测 |
| YOLOv4 | 2020 | CSPDarkNet53+SPP/PAN模块，高精度稳定训练 | 43.5% mAP / 60 FPS | Darknet、PyTorch | CSPDarkNet53 + SPP/PAN | Mosaic、CutMix | 工业质检 |
| YOLOv5 | 2020 | PyTorch实现，轻量化设计，部署便捷 | 37.4% mAP (s) / 70-140 FPS | PyTorch、ONNX | CSPDarkNet53（Focus模块） | Mosaic、MixUp | 边缘设备 |
| YOLOv8 | 2023 | Anchor-Free检测头，支持多任务 | 47.0% mAP (s) / 40-120 FPS | Ultralytics库（PyTorch） | C2F模块 + Anchor-Free | 随机旋转、Albumentations | 小物体检测、多任务集成 |
| YOLOv10 | 2024 | 无需NMS后处理，推理速度提升25% | 提升3% vs v8 / 快25%推理速度 | PyTorch、ONNX-Runtime | 轻量CSP + 大核卷积 | 动态尺度训练 | 低功耗设备 |
| YOLOv11 | 2024 | 多模态提示（文本/视觉/无提示），企业级部署优化 | 39.5% mAP (n) / 56.1ms延迟 | PyTorch、MMDetection | 多模态Transformer增强 | 多模态混合增强 | AR/VR、机器人交互 |
| YOLOe | 2025 | 统一开放集检测与分割，文本/视觉提示 | 零样本AP提升3.5% vs v8 | PyTorch、区域级预训练 | RepRTA + SAVPE模块 | 区域文本对齐 | 智能客服、零售 |
| Hyper-YOLO | 2025 | 超图计算建模高阶特征关联 | 提升3.1% mAP (Small) vs v8 | PyTorch、超图计算库 | HyperC2Net（超图融合） | 超边构建 | 自动驾驶、视频分析 |
2. 训练要求
| 版本 | 训练硬件需求（示例） | 训练时间（2080Ti单卡） | 模型大小（YOLOv5s为基准） |
|---|---|---|---|
| YOLOv1 | CPU/低端GPU | 3-5天 | 约150MB |
| YOLOv3 | 中等GPU（8GB显存） | 2-3天 | 约240MB |
| YOLOv5 | 中等GPU（16GB显存） | 1-2天 | 27MB（nano）- 89MB（x） |
| YOLOv8 | 高端GPU（24GB显存） | 12-24小时 | 21MB（nano）- 168MB（x） |
| YOLOv10 | 边缘GPU（Jetson系列） | 6-12小时 | 8MB（nano）- 50MB（l） |
3. 按硬件条件选择
| 硬件配置 | 推荐版本 |
|---|---|
| 低端GPU/CPU | YOLOv5nano/YOLOv10nano |
| 中端GPU（8-16GB） | YOLOv8s/YOLOv5m |
| 高端GPU（24GB+） | YOLOv8x/Hyper-YOLO |
4. 使用建议：
- 入门学习：YOLOv5（文档丰富，社区支持强）；
- 学术研究：YOLOv3/v4（结构透明，适合算法改进）；
- 科研实验：Hyper-YOLO（高阶特征建模）、YOLOe（开放集检测）
- 工业部署：YOLOv5/v8（PyTorch生态完善，文档丰富）；
- 边缘/移动端应用：YOLOv10（无NMS、低延迟）、YOLOv5nano（超轻量级）；
- 多模态任务：YOLOv11（支持文本/视觉提示，开放集检测）。