YOLO 的歷史進程！YOLO 大補帖！
YOLO 的歷史進程
2015 年 Joseph Redmon 提出的 YOLO 橫空出世，從誕生的那一刻起就標榜「高精度」、「高效率」、「高實用性」，為 One-Stage 方法在物件偵測演算法裡拉開序幕。
本文帶領大家細數在此名門之中的各方門派，總計 16 項工作，它們有的使YOLO 更快，有的使 YOLO 更精準，而幾乎所有 YOLO 系列都力圖保持「高精度」、「高效率」、「高實用性」，這就是工業界偏愛 YOLO 的理由吧！
YOLOv1 (2016) Joseph Redmon ‘You Only Look Once: Unified, Real-Time Object Detection’
YOLOv2 (2017) Joseph Redmon ‘YOLO9000: Better, Faster, Stronger’
YOLOv3 (2018) Joseph Redmon ‘YOLOv3: An Incremental Improvement’
YOLOv4 (2020) Alexey Bochkovskiy ‘YOLOv4: Optimal Speed and Accuracy of Object Detection’
YOLOv5 (2020) Glen Jocher
PP-YOLO (2020) Xiang Long et al ‘PP-YOLO: An Effective and Efficient Implementation of Object Detector’
YOLOZ (2021) Aduen Benjumea et al ‘YOLO-Z: Improving small object detection in YOLOv5 for autonomous vehicles’
YOLO-ReT (2021) Prakhar Ganesh et al ‘YOLO-ReT: Towards High Accuracy Real-time Object Detection on Edge GPUs’
Scaled-YOLOv4 (2021) Chien-Yao Wang et al. ‘Scaled-YOLOv4: Scaling Cross Stage Partial Network’
YOLOX (2021) Zheng Ge et al ‘YOLOX: Exceeding YOLO Series in 2021’
YOLOR (2021) Chien-Yao Wang et al ‘You Only Learn One Representation: Unified Network for Multiple Tasks’
YOLOS (2021) Yuxin Fang et al ‘You Only Look at One Sequence: Rethinking Transformer in Vision through Object Detection’
YOLOF (2021) Qiang Chen et al ‘You Only Look One-level Feature’
YOLOP (2022) Dong Wu et al ‘YOLOP: You Only Look Once for Panoptic Driving Perception’
YOLOv6 (2022) 美团技术团队
YOLOv7 (2022) Chien-Yao Wang et al ‘Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors’
YOLO 的開山鼻祖 — YOLOv1 & YOLOv2 & YOLOv3
在原作者 Joseph Redmon 手中 YOLO 經歷三代來到了 YOLOv3，分別是 2017 年、2018 年相繼而出的 YOLOv2、YOLOv3，奠定了 YOLO 在物件偵測演算法的一席之地。
然而，2020 年 Joseph Redmon 突然投下了一枚震撼彈，他受夠 YOLO 不斷被運用在軍事應用以及個人隱私，宣布停止電腦視覺相關的研究。圖 1 為 Joseph Redmon 在 Twitter 發表的言論。
YOLO 的正宗衣缽 — YOLOv4
在原作者宣布引退後，學界沉寂了一小段時間，正當大家以為 YOLOv4 產出無望時。 2020 年 YOLO Darknet 的維護者 Alexey Bochkovskiy ，與臺灣中研院的王建堯博士共同提出 YOLOv4，將 YOLO 帶向新的里程碑，一舉成為當時世界上最快最準的物件偵測演算法。
YOLO 的傳說— YOLOv5
當大家還在拜讀 YOLOv4 時，過不到兩個月，突然又被投下了另一枚震撼彈，YOLOv5 問世了，一時之間網路上炸開了鍋，而這真的是原班人馬的著作嗎？（很顯然不是！YOLOv5 未經官方承認，也並未發布論文，創新性更是不足，演算法不夠進化到可以稱為 YOLOv5，所以我將之稱為傳說）
姑且不論誰是正統，YOLO 家族在創始人拂袖而出後依然熱鬧非凡。
YOLO 的百家爭鳴 — PP-YOLO & YOLOX & YOLOR
自從 YOLOv5 的出現被業界砲轟之後，爾後也沒有人敢自稱是 YOLO 數字系列了，此時 YOLO 系列呈現出百花齊放，百家爭鳴空前繁榮的景象。但是繁榮的背後，YOLO 系列經歷了漫長的迭代和發展過程，2020 年到 2022 年這段時間各研究單位相繼提出 PP-YOLO(2020) & YOLOZ(2021) & YOLO-ReT(2021) & Scaled-YOLOv4(2021) & YOLOX(2021) & YOLOR(2021) & YOLOS(2021) & YOLOF(2021) & YOLOP(2022) … 等。
YOLO 的巔峰對決 — YOLOv6 & YOLOv7
2022 年中國的美团技术团队提出 YOLOv6，速度和準確率勝過以往 YOLO 系列模型。緊接著不到幾個月，YOLO 官方 Alexey Bochkovskiy 出品操刀，與臺灣中研院王建堯博士，再一次合作推出了 YOLOv7，速度和準確率超越當前所有 YOLO 系列，一舉成為目前世界上最快最準的物件偵測演算法。圖 2 為 Alexey Bochkovskiy 在 Twitter 發表的言論。
