[论文解读] YOLOv1 to YOLOv10: The fastest and most accurate real-time object detection systems

Chien-Yao Wang, Hong-Yuan Mark Liao|arXiv (Cornell University)|Aug 18, 2024

COVID-19 diagnosis using AI被引用 10

一句话总结

对 YOLO 系列（v1–v10）的全面综述，详细介绍它们的架构、创新、训练技巧，以及对实时目标检测和随后的计算机视觉发展所产生的影响。

ABSTRACT

This is a comprehensive review of the YOLO series of systems. Different from previous literature surveys, this review article re-examines the characteristics of the YOLO series from the latest technical point of view. At the same time, we also analyzed how the YOLO series continued to influence and promote real-time computer vision-related research and led to the subsequent development of computer vision and language models.We take a closer look at how the methods proposed by the YOLO series in the past ten years have affected the development of subsequent technologies and show the applications of YOLO in various fields. We hope this article can play a good guiding role in subsequent real-time computer vision development.

研究动机与目标

• 解释从 v1 到 v10 的 YOLO 演变及其架构和训练创新。
• 分析 YOLO 系列如何在各类应用中实现实时、边缘友好的目标检测。
• 评估 YOLO 对后续计算机视觉方法及相关领域的影响。

提出的方法

• 基于架构变更和训练技巧，对从 v1 到 v10 的 YOLO 版本进行调研与综合。
• 突出各版本的关键创新（例如基于锚点与非锚点、FPN、CSPNet、PAN、基于分布的回归、动态标签分配等）。
• 总结 YOLO 对实时检测、部署以及相关计算机视觉研究的影响。

实验结果

研究问题

• RQ1 从 v1 到 v10 的 YOLO 系列引入的主要架构和训练创新有哪些？
• RQ2 各版本的 YOLO 如何促进实时目标检测性能及在边缘设备上的部署？
• RQ3 YOLO 系列对后续计算机视觉和语言模型发展有何更广泛的影响？

主要发现

• YOLO 引入了一种统一的单阶段目标检测器，使实时检测在无需候选区域生成的情况下成为可能。
• 该系列从 anchor-free 边界框回归（YOLOv1）发展到包含 anchor-based 与 anchor-free 混合的形式，并具备如 FPN、CSPNet、PAN 以及基于分布的回归等进步。
• 经过缩放和现代化的变体（例如 YOLOv4、scaled-YOLOv4、YOLOv5、YOLOv6–v10）整合了训练技巧、面向硬件的设计、模型缩放、NAS 与 transformer 组件，以在边缘设备上提高精度和速度。
• YOLO 的变体影响了实时计算机视觉的下游任务和研究，包括实例分割、姿态估计、3D 检測、开放词汇检测等；它们也推动了模型部署和硬件高效架构的发展。
• 本文综述强调，像 YOLO 这样的单阶段检测器在精度具有竞争力的同时，相对于传统的两阶段方法在实际部署方面具有显著优势。