YOLO学习笔记 ｜ 从YOLOv5到YOLOv11：技术演进与核心改进

从YOLOv5到YOLOv11：技术演进与核心改进深度解析

一、YOLO系列发展概述

YOLO（You Only Look Once）目标检测算法自2016年诞生以来，凭借其"单次检测"的独特理念和卓越的实时性能，持续引领着计算机视觉领域的技术革新。从Joseph Redmon的初代YOLO到Alexey Bochkovskiy的YOLOv4，再到Ultralytics团队的YOLOv5及后续系列，这一算法家族在保持实时性的同时，不断突破检测精度极限。截至2024年，YOLO系列已发展至YOLOv11版本，其演进轨迹呈现以下特点：

1. 模型架构创新：从Darknet到CSPNet再到RepVGG的结构革新
2. 训练策略优化：动态标签分配、自监督学习等前沿技术应用
3. 硬件适应性提升：针对边缘设备的轻量化设计与NPU优化
4. 多任务融合：检测、分割、姿态估计等多任务统一框架

二、关键版本技术演进路径

（一）YOLOv5：工业级落地的里程碑