YOLO简介

💡 核心亮点

YOLO (You Only Look Once) 是最流行的实时目标检测算法之一，一次前向即可同时识别图片中多个物体的位置（边界框）与类别：

• 实时性：单次推理同时输出全部目标，无需多阶段扫描
• 易上手：pip install ultralytics 即可使用，API 简洁
• 选型灵活：从 6MB 的 yolov8n 到 131MB 的 yolov8x，按精度/速度需求任选

一、什么是 YOLO

YOLO (You Only Look Once) 是最流行的实时目标检测算法之一。它能在一张图片中同时识别出多个物体的位置（边界框）和类别。

核心能力： - 🖼️ 输入：一张图片 - 📦 输出：每个物体的矩形框 + 类别名 + 置信度

版本对比

💡 想看完整版本家族（v1–v13 + YOLO26 的作者与演进），见 YOLO系列版本演进。

二、安装

需要安装两个包：

pip install ultralytics opencv-python

三、模型选择

尺寸代号含义（n/s/m/l/x 代表模型"体格"，同一算法的 5 档配置）：

💡 通过缩放网络深度/宽度（层数、通道数）生成 5 档：n 参数量最少、最快但精度最低；x 参数最多、最慢但精度最高。不是 5 个不同算法，而是同一模型的 5 种尺寸配置。

选型建议：

1. 默认用 yolov8n（最小最快），适合 CPU
2. 有 GPU 可以换 yolov8s 或 yolov8m 提高精度

越小越强：YOLO26 对比 YOLOv8

YOLO26 是 2026-01 发布的最新旗舰，用更少的参数达到更高的精度（"更小、更快、更强"）：

• 文件更小：YOLO26n 参数量比 v8n 少约 25%，.pt 文件约 5MB 左右
• 识别更强：同档 mAP 提高约 +3.6，x 档直接破 57.5
• 速度更快：YOLO26n CPU 上 ONNX 推理比 YOLO11n 快最高 43%，T4 GPU 仅 1.7ms

为什么能"越小越强"？ 不是堆参数，而是架构 + 训练全面升级：

1. 端到端无 NMS：默认一对一检测头，省掉后处理，推理管线更干净
2. 无 DFL 框回归：移除分布焦点损失，检测头更轻量，同时保持回归精度
3. 更好的训练配方：MuSGD 优化器（SGD+Muon）、Progressive Loss、STAL 小目标感知标签分配——小目标识别提升明显
4. 任务级专用损失：分割 AP 最高 +3.7、姿态 +7.2、OBB +3.4

💡 一句话：YOLO26 用更聪明的架构 + 更好的训练取代"大力出奇迹"的堆参数路线，所以更小还更强。

四、第一次加载

首次加载会自动下载模型权重（以 yolov8n.pt 为例，约 6.2MB）：

🚀 加载模型: yolov8n
Downloading https://github.com/ultralytics/assets/releases/download/v8.4.0/yolov8n.pt to 'yolov8n.pt': 100% ━━━━━━━━━━━━ 6.2MB 9.4MB/s 0.7s
✅ 模型加载完成 (类别数: 80)
   支持类别: ['person', 'bicycle', 'car', 'motorcycle', 'airplane', 'bus', 'train', 'truck', 'boat', 'traffic light']... (共80类)

说明：

• 模型权重下载自 GitHub Releases，保存在当前目录
• 加载完成后自动识别 80 类（COCO 数据集类别，含人、自行车、汽车、摩托车、飞机、公交车、火车、卡车、船、红绿灯等）
• 权重保存为本地文件后，后续使用直接读取，无需重复下载

COCO 是什么？

• COCO（Common Objects in Context，上下文中的常见物体）是微软 2014 年发布的大规模图像识别数据集，包含 80 个常见物体类别（人、动物、交通工具、日常用品等）
• 它是目标检测领域的"标准考卷"：预训练模型用它训练，精度指标 mAP 也是在这个数据集上评测的
• 所以官方预训练权重默认只能识别这 80 类——但 YOLO 支持自定义数据集训练，想识别任意类别（自己的产品、设备、缺陷等）都可以（见六、训练自定义模型）

模型大小与占用：

• 权重文件按型号区分：yolov8n 仅 6.2MB，yolov8x 约 131MB，对硬盘占用几乎可忽略
• 下载一次永久保存，之后离线也能用
• 真正占用内存的是推理运行时（模型 + 输入图 + 中间特征），n 型号 CPU 推理约占几百 MB 内存
• 若需进一步瘦身，可导出为 ONNX / TensorRT 格式（半精度/INT8 量化后体积可再缩小数倍），适合嵌入式部署

为什么 6MB 能装下 80 类？

模型存的不是"80 张图片"，而是"判断规则（权重参数）"：

• yolov8n 只有约 320 万参数，每个参数 4 字节（FP32），约 12.8MB 原始数据，打包后仅 6.25MB
• 80 个类别只是名字标签（person、car…），几乎不占空间；类别对应的"知识"编码在卷积核权重里
• 模型大小主要由网络深度/宽度决定，与类别数关系不大——yolov8x 有 6800 万参数，所以需要 131MB
• 类比：6MB 的模型 ≈ 一本"规则手册"，图片是"考题"，它带着手册去"看"图，而不是把答案背下来

五、快速上手

from ultralytics import YOLO

# 1. 加载模型（首次自动下载权重）
model = YOLO('yolov8n.pt')

# 2. 推理：输入图片路径
results = model('bus.jpg')

# 3. 遍历检测结果
for result in results:
    for box in result.boxes:
        # 边界框坐标、类别ID、置信度
        print(box.xyxy, box.cls, box.conf)

六、训练自定义模型

YOLO 支持用你自己的数据训练识别模型，从而识别任意类别（不限于 COCO 80 类）。

三种使用方式：

微调流程（4 步）：

# 1. 准备数据：图片 + 标注文件（每张图对应一个 .txt，YOLO 格式）
#    标注工具：LabelImg / Roboflow / X-AnyLabeling

# 2. 写数据集配置文件 dataset.yaml
#    train: 图片目录 / val: 验证目录 / names: [类1, 类2, ...]

# 3. 训练（在预训练权重基础上微调）
model = YOLO('yolov8n.pt')          # 用官方预训练权重作起点
model.train(data='dataset.yaml', epochs=100, imgsz=640)

# 4. 用训练好的模型推理
model = YOLO('runs/detect/train/weights/best.pt')
results = model('test.jpg')

关键点：

1. 几百张图就能跑：微调不需要大数据集，每类几十~几百张即可出效果
2. 标注是最大工作量：一张图平均标注几十秒到几分钟，标注质量直接决定效果
3. 硬件：n 型号 8G 显存 GPU 可训；纯 CPU 也能训但要慢很多（小模型几百张图几十分钟~几小时）
4. 训练产物：best.pt（最优权重）和 last.pt（最后一轮），推理时加载 best.pt

💡 应用场景：识别自己的物品 / 缺陷检测 / 车辆识别 / 文字检测等，都是这个套路。

七、相关资料

📖 资料来源：

• Ultralytics YOLO 官方文档
• Ultralytics GitHub
• 模型权重下载地址

📝 创建时间：2026-08-18