YOLO¶
YOLO（You Only Look Once）是一种实时目标检测算法，由Joseph Redmon等人于2016年首次提出。
YOLO一图流¶
| YOLO 版本 | 发布时间 | 核心特点 | 主要贡献者 | 开源协议 | 论文地址 | 源码地址 |
|---|---|---|---|---|---|---|
| YOLOv1 | 2016 | 网格划分，将检测转化为回归问题 | Joseph Redmon | 公共领域 / YOLO License（宽松） | 论文地址 | 源码地址（原版Darknet） |
| YOLOv2 | 2017 | 引入Anchor Box，K-means聚类，多尺度训练 | Joseph Redmon | 公共领域 / YOLO License（宽松） | 论文地址 | 源码地址（原版Darknet） |
| YOLOv3 | 2018 | FPN多尺度融合，DarkNet-53，小目标提升 | Joseph Redmon | AGPL-3.0 | 论文地址 | 源码地址 |
| YOLOv4 | 2020 | CSPDarkNet-53，Mosaic增强，速度精度平衡 | Alexey Bochkovskiy | AGPL-3.0 | 论文地址 | 源码地址 |
| YOLOv5 | 2020 | 轻量化设计，PyTorch实现，工程友好 | Ultralytics | AGPL-3.0（官方提供商业授权选项） | 无 | 源码地址 |
| YOLOX | 2021 | 无锚框（Anchor-Free），解耦头，SimOTA标签分配 | 旷视科技 | Apache-2.0 | 论文地址 | 源码地址 |
| YOLOv6 | 2022 | 减少预测框，缓解正负样本不均衡 | 美团 | GPL-3.0 | 论文地址 | 源码地址 |
| YOLOv7 | 2022 | 提升小目标检测，速度精度权衡 | 中央研究院 | GPL-3.0 | 论文地址 | 源码地址 |
| YOLOv8 | 2023 | 解耦头，C2f模块，支持分割/姿态估计 | Ultralytics | AGPL-3.0（官方提供商业授权选项） | 无 | 源码地址 |
| YOLO-World | 2024 | 开放词汇（Open-Vocabulary），零样本，提示-检测范式 | 腾讯AI实验室 | GPL-3.0 | 论文地址 | 源码地址 |
| YOLOv9 | 2024 | PGI和GELAN创新，轻量级优化边缘部署 | 中央研究院 | GPL-3.0 | 论文地址 | 源码地址 |
| YOLOv10 | 2024 | NMS-free端到端检测，大卷积核，部分自注意力 | 清华大学 | AGPL-3.0（部分周边代码采用Apache 2.0） | 论文地址 | 源码地址 |
| YOLO11 | 2024 | 改进骨干和颈部，更高精度且参数更少 | Ultralytics | AGPL-3.0 | 无 | 源码地址 |
| YOLOv12 | 2025 | 注意力中心架构，区域注意力机制 | 社区驱动 | AGPL-3.0 | 论文地址 | 源码地址 |
| YOLOv26 | 2026 | 边缘设备优化，原生端到端（无NMS），CPU提速43% | Ultralytics | AGPL-3.0 | 无 | 源码地址 |
Info
关于部分YOLO版本的说明：
- YOLOv5、YOLOv8、YOLO11 由 Ultralytics 维护，官方未发布正式论文，相关技术细节可在其官方文档中查阅。
- YOLOv1-v2 的原版 Darknet 源码由 Joseph Redmon 维护，后续版本多基于此演进。
- YOLOv12 为社区驱动版本，源码由独立开发者维护。
Warning
关于部分开源协议的说明：
- AGPL-3.0：要求如果通过网络提供服务（如SaaS），也必须开放修改后的源代码。
- GPL-3.0：具有“传染性”，修改后分发需开源。
- 公共领域/YOLO License：早期版本协议宽松，基本无限制。
- 对于YOLOv5、YOLOv8等版本，Ultralytics官方提供 商业许可证 选项，允许闭源集成。