文章预览
导读 YOLO（You Only Look Once）是一个著名的物体检测和图像分割模型，由Joseph Redmon和Ali Farhadi在华盛顿大学开发。自2015年推出以来，它以其高速度和高准确性赢得了广泛的认可。 2016年发布的YOLOv2通过引入批量归一化、锚框对原版进行了改进。 2018年的YOLOv3采用了更高效的骨干网络、多锚框策略和空间金字塔池来提升模型性能。 2020年推出的YOLOv4引入了诸如Mosaic数据增强、新的无锚检测头和新的损失函数等创新技术。 同年，YOLOv5进一步提升了模型性能，并添加了超参数优化、集成实验跟踪和自动导出格式等功能。 2022年由美团开源的YOLOv6现已被应用于该公司众多自主配送机器人的场景中。 YOLOv7则新增了额外的任务，例如COCO关键点数据集中的姿势估计。 YOLOv8支持多种视觉AI任务，包括检测、分割、姿态估计、追踪和分类。这一多功能特性使得用户可以
………………………………
