[论文解读] A Comprehensive Review of YOLO Architectures in Computer Vision: From YOLOv1 to YOLOv8 and YOLO-NAS

Juan Terven, Diana Cordova-Esparza|arXiv (Cornell University)|Apr 2, 2023

Advanced Neural Network Applications被引用 185

一句话总结

本论文系统综述了从 YOLOv1 到 YOLOv8 以及 YOLO-NAS 的 YOLO 目标检测器的演变，详细介绍了架构、训练技巧以及各版本的性能趋势。

ABSTRACT

YOLO has become a central real-time object detection system for robotics, driverless cars, and video monitoring applications. We present a comprehensive analysis of YOLO's evolution, examining the innovations and contributions in each iteration from the original YOLO up to YOLOv8, YOLO-NAS, and YOLO with Transformers. We start by describing the standard metrics and postprocessing; then, we discuss the major changes in network architecture and training tricks for each model. Finally, we summarize the essential lessons from YOLO's development and provide a perspective on its future, highlighting potential research directions to enhance real-time object detection systems.

研究动机与目标

• 总结从 YOLOv1 到 YOLOv8 与 YOLO-NAS 的 YOLO 家族演变。
• 详细说明各版本在架构变更、训练技术和性能趋势方面的变化。
• 讨论后处理、评估指标，以及实时检测中的速度-精确度权衡。
• 突出实时目标检测的未来方向与研究机会。

提出的方法

• 讨论 YOLO 评估中使用的基础概念和指标（AP、mAP、IoU、NMS）。
• 描述 YOLO 版本在架构上的变更（backbone、neck、head、多尺度预测）。
• 总结每个版本引入的训练技巧、损失函数和数据增强策略。
• 比较 YOLO 的变体（YOLOv1–v4、带 spp 的 YOLOv3、YOLO9000、YOLOv3/4/5 时代的演变）以及相关方法（带 transformers 的 YOLO、YOLO-NAS）。
• 给出速度与精度权衡的综合视角以及实时检测的实际考量。

Figure 1: A timeline of YOLO versions.

实验结果

研究问题

• RQ1 每个 YOLO 版本相对于前一版本在速度和准确性方面有何改进？
• RQ2 在 YOLOv1–YOLOv8 以及 YOLO-NAS 的检测性能改进中，哪些架构与训练变更起到了作用？
• RQ3 用于在数据集（VOC/COCO）之间比较 YOLO 变体的常见后处理和评估指标有哪些？
• RQ4 为推进基于 YOLO 的实时目标检测，哪些未来方向和研究机会被指出？
• RQ5 更新的 YOLO 变体如何处理多尺度检测以及锚点/先验框策略？

主要发现

• YOLO 演变通过架构改进和训练技巧在准确性（AP/mAP）和速度上实现了逐步提升。
• YOLOv2 引入锚点、更加高分辨率的训练以及全卷积设计，使 VOC 2007 上的 AP 提升至 78.6%。
• YOLOv3 引入 Darknet-53、多尺度预测和残差连接，提升小目标检测能力，并在当时达到 COCO 的最先进性能。
• YOLOv4 结合 bag-of-freebies 和 bag-of-specials 策略、CSPDarknet53-PANet-SPP 主干，以及先进的训练技术，从而实现强劲的实时性能。
• 该评述将 YOLO-NAS 和带 transformers 的 YOLO 作为未来方向，强调在面向多样化应用的实时检测方面的持续改进。

Figure 2: Bibliometric network visualization of the main YOLO Applications created with [ VOSviewer_Visualizing_Scientific_Landscapes_2023 ] .