YOLO与目标检测

目标检测

很好理解，找出图片中特定目标的位置、大小和类型（可能有多种），这也是计算机视觉中的经典任务

YOLO

YOLO是缩写，全称一个很有意思的名字，叫You Only Look Once

这个名字和它的模型结构其实也有关系，其实很形象，不是乱起的。它的理念就是只需要一次前向传播，与在这之前的实现都不同

YOLO是目标检测领域的SOTA模型，同时开发团队还为它开发了一些用于训练和推理的工具包，它因简单易用效果好，被非常广泛地运用与各种课设毕设

说明

SOTA是state of the art的缩写，即当前所有的模型中效果最好的

后来在YOLO主干网络的基础上还拓展了一些模型，用于检测骨骼、分割、跟踪等任务

提示

虽然是烂大街了，但它确实方便效果好，上限也不低，在实际生产环境下也是有不少应用的

Ultralytics

YOLO是一系列算法模型的名字，而Ultralytics是现在开发YOLO的团队的名字，他们把可以便捷调用yolo的库也命名为Ultralytics

YOLO的很多资料在Ultralytics公司的网站上，可以点此打开。后续请尽量参考此资料的英文原版，少看一些第三方的古董资料

警告

不知道为啥，和很多开源项目不同，它的中文版文档非常离谱，完全就是机翻，会把train翻译成火车，把val翻译成瓦尔，export翻译成出口，千万不要看

提示

如果你执意要看，这里有一些我发现了的问题

原文	错误翻译	正确翻译
train	火车	训练
val	瓦尔	验证
export	出口	导出
track	轨道	跟踪
segment	分段	分割
models	机型	模型
OBB	定向包围盒	旋转矩形
segment anything model	分段任何模式	SAM模型

目前YOLO最新的是第十个版本即YOLOv10，最主流的是YOLOv8，ultralytics库支持的也是v8，目前9和10都还太新了

回顾历史的话，v3和v5都有不少的应用，它们虽然效果不如v8但推理性能高很多，常被用到树莓派等低算力设备上

YOLO模型和库的使用

这里不详细教授了，参照文档自己配置好环境安装好所需的库，然后自己尝试一下

其他目标检测模型

还有一些目标检测网络，如faster RCNN、RetinaNet、SSD等，他们在效果、性能、易用性不像YOLO这样平衡，但也各自有一些特点，推荐去尝试对比一两个

任务

完成任务12