一、为什么要把 YOLOv2 到 YOLOv5 放在一起看
YOLO 系列是目标检测领域最具影响力的单阶段检测器之一。从 YOLOv2 到 YOLOv5，短短几年时间里，这个系列在精度、速度、工程可用性上完成了多次跃迁。把它们放在一起对比，能清楚地看到目标检测技术演进的几条主线：更强的骨干网络、更精细的多尺度特征、更丰富的训练技巧，以及越来越成熟的工程化落地能力。
本文不贴代码，只从设计思想、网络结构、训练策略和实际表现四个维度，梳理 YOLOv2、YOLOv3、YOLOv4、YOLOv5 之间的差异，并在最后给出选型建议。
二、四个版本的核心定位
YOLOv2：从"能用"到"好用"
YOLOv1 速度很快，但定位精度和召回率都不理想。YOLOv2 的核心任务是补齐这些短板。它提出了 Better、Faster、Stronger 三个方向：用 Batch Normalization、高分辨率分类器、Anchor Boxes、维度聚类、细粒度特征、多尺度训练等手段提升精度；用 Darknet-19 骨干网络提升速度；用联合训练机制让模型能检测更多类别。
YOLOv2 最重要的贡献是引入了 Anchor 机制 和 维度聚类，让检测框的初始尺寸更贴合真实数据分布，这一步直接影响了后续所有版本的设计思路。
YOLOv3：多尺度检测的里程碑
YOLOv3 的最大变化是引入了 FPN 式的多尺度预测，在三个不同尺度的特征图上分别做检测，大幅提升了对小目标的检测能力。骨干网络换成了更深的 Darknet-53，并借鉴残差结构缓解深层网络的退化问题。
此外，YOLOv3 把分类损失从 Softmax 换成了 Logistic 分类器，支持多标签分类，这对存在类别重叠的数据集更友好。整体上，YOLOv3 在保持实时性的同时，把精度推到了一个新高度，成为工业界长期使用的基线模型。
YOLOv4：训练技巧的集大成者
YOLOv4 的定位不是提出某个颠覆性结构，而是把当时目标检测领域大量有效的技巧系统性地整合起来，并验证它们在单 GPU 训练条件下的可用性。它的两大关键词是 Bag of Freebies （不增加推理成本、只提升精度的训练技巧）和 Bag of Specials（少量增加推理成本但显著提升精度的模块）。
结构上，YOLOv4 使用 CSPDarknet53 作为骨干，配合 SPP 模块和 PANet 路径聚合结构，形成更强的特征金字塔。训练侧引入了 Mosaic 数据增强、CIoU 损失、CmBN、SAT 自对抗训练等。最终 YOLOv4 在 COCO 上实现了精度与速度的良好平衡，被认为是"工程上最实用的一代"。
YOLOv5：工程化与易用性的代表
YOLOv5 由 Ultralytics 团队推出，严格来说它并非学术论文产物，而是对前代思想的工程化重构。它的核心价值在于 极佳的易用性：基于 PyTorch 实现，提供从数据准备、训练、验证到导出部署的完整工具链，并给出 n/s/m/l/x 五种不同规模的模型，方便按算力选择。
结构上，YOLOv5 延续了 CSP 骨干和 PANet 颈部，引入了 Focus 切片结构（后续版本调整为卷积）、自适应 Anchor 计算、自动学习边界框回归等改进。它的精度与 YOLOv4 相当甚至略优，但训练和部署体验明显更好，因此在工业界迅速普及。
三、关键维度横向对比
| 对比维度 | YOLOv2 | YOLOv3 | YOLOv4 | YOLOv5 |
|---|---|---|---|---|
| 发布年份 | 2016 | 2018 | 2020 | 2020 |
| 骨干网络 | Darknet-19 | Darknet-53 | CSPDarknet53 | CSP 结构（可调规模） |
| 检测头 | 单尺度 Anchor | 三尺度多 Anchor | 三尺度 + SPP + PANet | 三尺度 + PANet |
| 特征融合 | 直连细粒度特征 | FPN 上采样融合 | SPP + PANet 双向融合 | PANet 双向融合 |
| 分类方式 | Softmax | Logistic 多标签 | Logistic 多标签 | Logistic 多标签 |
| 数据增强 | 常规增强 | 常规增强 | Mosaic、SAT 等 | Mosaic、MixUp 等 |
| 损失函数 | 均方误差为主 | 交叉熵 + MSE | CIoU Loss | CIoU / GIoU 可选 |
| 框架生态 | Darknet | Darknet | Darknet | PyTorch |
| 工程易用性 | 一般 | 一般 | 中等 | 很高 |
1. 骨干网络：从浅到深，从深到高效
YOLOv2 的 Darknet-19 只有 19 层卷积，追求极致速度；YOLOv3 的 Darknet-53 加深到 53 层并引入残差，精度显著提升；YOLOv4 的 CSPDarknet53 通过跨阶段部分连接减少重复梯度，在保持深度的同时降低计算量；YOLOv5 则把 CSP 思想进一步模块化，并提供不同宽度和深度的模型变体。
这条演进线的本质是：在有限算力下，如何让网络既深又高效。
2. 多尺度检测：小目标检测的分水岭
YOLOv2 只有单一尺度的检测输出，小目标检测能力较弱。YOLOv3 引入三尺度预测后，小目标召回率明显改善，这是它被长期使用的重要原因。YOLOv4 和 YOLOv5 在此基础上加入 SPP 和 PANet，让不同尺度的特征双向流动，进一步增强了特征表达能力。
3. 训练技巧：从结构创新到技巧整合
YOLOv2 和 YOLOv3 的改进更多体现在结构层面；YOLOv4 则系统性地整合了数据增强、损失函数、正则化等训练技巧，证明了"组合拳"的威力；YOLOv5 把这些技巧工程化、默认化，让使用者无需深入调参就能获得不错的效果。
4. 工程生态：决定落地成败的关键
从 Darknet 到 PyTorch 的转变，是 YOLOv5 迅速流行的关键。PyTorch 生态意味着更丰富的预训练模型、更成熟的部署工具（ONNX、TensorRT、TorchScript）以及更活跃的社区。对于实际项目而言，这一点的价值往往不亚于精度提升。
四、精度与速度的权衡
在 COCO 数据集上，从 YOLOv2 到 YOLOv5，mAP 呈现持续上升的趋势，而推理速度在同等硬件条件下保持在同一量级。需要强调的是，不同版本、不同模型规模之间的对比必须放在相同输入分辨率、相同硬件和相同评测协议下才有意义。
一个实用的判断方式是：
- 追求极致速度：YOLOv2 或 YOLOv5n 这类轻量模型仍有价值。
- 平衡精度与速度：YOLOv4 和 YOLOv5s/m 是常见选择。
- 追求更高精度：YOLOv5l/x 或后续版本更合适。
五、各版本的局限与适用场景
YOLOv2 的局限
单尺度检测、骨干较浅，小目标和密集场景表现一般。适合算力极度受限、目标尺寸较大的场景，如今更多作为教学和理解演进脉络的参考。
YOLOv3 的局限
结构相对固定，缺乏系统的训练技巧整合，在复杂场景下的精度上限有限。但由于实现成熟、资料丰富，仍是很多工业项目的稳定基线。
YOLOv4 的局限
基于 Darknet 框架，生态相对封闭，部署和二次开发的门槛高于 PyTorch 方案。技巧众多也意味着调参空间大，对使用者的经验有一定要求。
YOLOv5 的局限
并非严格意义上的学术创新，部分改进来自对前代方法的工程优化。此外版本迭代较快，不同小版本之间存在接口差异，需要固定版本以保证复现性。
六、总结
回顾 YOLOv2 到 YOLOv5 的演进，可以提炼出三条主线：
- 结构上，从单尺度到多尺度、从简单骨干到 CSP 高效骨干，特征表达能力持续增强。
- 训练上，从单一损失到多种损失组合，从常规增强到 Mosaic 等强增强，训练策略越来越系统。
- 工程上，从专用框架走向主流深度学习生态，易用性和可部署性成为核心竞争力。
如果今天要启动一个新项目，YOLOv5 及之后的版本通常是更务实的选择；如果目标是理解目标检测的设计思想，从 YOLOv2 和 YOLOv3 读起会更有收获。技术演进从来不是简单的"新版替代旧版"，而是在精度、速度、成本之间不断寻找更优的平衡点。