原文地址，本文仅作翻译学习使用，如遇侵权，请联系本人删除
Original content. This article is only for translation learning purposes. If there is any infringement, please contact me to delete it.
6159430.pdf (ssrn.com)

目录

原文地址，本文仅作翻译学习使用，如遇侵权，请联系本人删除Original content. This article is only for translation learning purposes. If there is any infringement, please contact me to delete it.6159430.pdf (ssrn.com)

1 引言

2 目标检测中的非极大值抑制

2.1 目的与表述

2.2 非极大值抑制的局限性

2.3 变体与扩展

2.4 非极大值抑制的端到端替代方案

2.5 讨论

2.6 YOLO26的无NMS设计含义

3 YOLOv26架构

3.1 端到端检测头

3.2 无分布焦点损失的设计

3.3 统一训练目标

3.4 基于MuSGD的优化

3.5 任务特定的架构扩展

3.6 架构成果

4 YOLO26中的MuSGD优化策略

4.1 背景与动机

4.2 MuSGD的表述

4.3 对端到端YOLO26训练的适用性

4.4 与统一损失设计的交互

4.5 部署与可复现性考虑

4.6 小结

5 YOLO模型的综合比较

5.1 目标检测性能

5.2 实例分割与多任务支持

5.3 分类性能

5.4 姿态估计与定向目标检测（OBB）

5.5 延迟与部署效率

5.6 架构与优化趋势

6 YOLO模型的跨领域应用与YOLOv26的潜力

6.1 医疗保健与医学影像应用

6.2 安全、监控与实时监测

6.3 自主系统与交通应用

6.4 农业、机器人与工业视觉

6.5 新兴需求与研究挑战

6.6 YOLO26的潜力

7 结论

---

统一单阶段设计与高效推理。本文全面回顾了最先进的YOLO模型，重点介绍了YOLOv26的核心思想——一种端到端检测框架，该框架从整个推理流程中移除了非极大值抑制。此外，本文从检测头、无分布焦点损失（Distribution Focal Loss）的损失设计、统一训练目标以及基于MuSGD的优化等方面研究了其架构构成。随后，本文进一步从多个维度比较了YOLOv8与YOLOv26：架构演进、多任务支持、延迟和部署特性。各种基准测试结果表明，YOLOv26在具有竞争力的检测精度与显著的CPU推理延迟降低之间取得了平衡，特别是在资源受限的条件下。此外，本文还回顾了YOLO模型近期在不同领域的应用，包括医学影像、监控、自主系统、农业和工业视觉，并讨论了持续存在的挑战，包括小目标检测、鲁棒性和领域泛化。

关键词 YOLO · YOLOv26 · 目标检测 · 多任务学习 · 边缘部署 · 计算机视觉

1 引言

目标检测是计算机视觉领域的典型问题，它涉及在图像和视频中定位并分类物体。它是许多现实世界应用的重要组成部分，如医学图像分析、自动驾驶、监控、机器人技术和工业检测。在过去十年中，基于深度学习的方法改进了目标检测；传统特征处理流程与端到端可训练的卷积和基于Transformer的架构之间的性能差距促使研究重点转向后者。特别是，单阶段检测器因其以统一方式执行检测且计算效率高而备受关注。"只看一次"（You Only Look Once，YOLO）是最流行的所谓单阶段目标检测范式之一。YOLO旨在将检测重新表述为一个直接的回归问题，通过单次前向传播直接预测边界框和类别概率，提供具有竞争力精度的实时推理。后续版本通过架构更新、无锚点设计、丰富的特征聚合策略和扩展的任务支持，逐步完善了这一表述。从那时起，YOLO已发展成为一个通用视觉框架，在一个模型家族内定义了所有任务，如检测、实例分割、姿态估计、定向边界框检测和图像分类。

在这些进步的基础上，大多数传统YOLO流程仍然依赖非极大值抑制（NMS）作为后处理机制来消除冗余预测。虽然有效，但它为网络增加了额外的延迟，使部署进一步复杂化，有时对超参数选择敏感，特别是在边缘和CPU环境中。这些局限性促使近期研究工作转向端到端检测架构，在训练期间内在化冗余抑制，而不是在推理时依赖启发式后处理。这反映了目标检测领域简化推理流程并改善跨异构硬件平台可部署性的更广泛趋势。最近，几种YOLO变体显示出向端到端推理、改进的损失表述和优化训练机制发展的趋势，以克服这些挑战。YOLOv26延续了这一脉络，专注于原生无NMS推理、简化的损失设计和面向部署的优化。YOLOv26并非引入新的检测范式，而是综合了前几代YOLO的架构和训练创新，以提高推理效率，同时保持多任务能力。其设计反映了对现实世界可用性的关注，特别是针对实时和资源受限的应用。

在架构演进的同时，YOLO模型已广泛应用于不同的应用领域。在医学影像中，基于YOLO的检测器被应用于病灶检测、肿瘤定位或器官分割，受益于其实时性能和强大的定位精度。在监控和安全领域，YOLO模型已发展为支持实时视频分析、人群监控或异常检测。最先进的YOLO支持自主系统和智能交通应用，在动态条件下进行车辆、行人和交通标志检测，而农业机器人和工业视觉则利用YOLO进行自动化检测、监控和决策支持。这些跨领域应用证明了YOLO框架的灵活性和可扩展性。然而，文献一致报告说，YOLO各代之间存在持续的挑战。其中大多数包括对非常小或低对比度物体的敏感性降低、对领域偏移和恶劣环境条件的鲁棒性较差，以及在安全关键型部署中的可解释性有限。除此之外，平衡精度与模型复杂性以及推理效率仍然是一个核心关注点，特别是针对计算资源高度受限的边缘设备。这些挑战仍然是架构改进的活跃驱动力，推动了对连续YOLO模型的新比较分析。

正是在这一背景下，本文将对YOLO架构从YOLOv8到YOLOv26进行全面回顾，深入关注YOLOv26的架构设计、训练范式和部署特性。这项工作通过系统比较架构组件、优化策略、多任务支持和报告的性能趋势，将YOLOv26置于YOLO家族更广泛的演进背景中。这项工作并非提出新的检测方法，而是提供对现有发展的结构化综合，从而强调迄今为止取得的进展以及实时目标检测中仍然存在的挑战。

2 目标检测中的非极大值抑制

2.1 目的与表述

现代单阶段目标检测器（如YOLO、SSD和RetinaNet）会产生密集的候选边界框集合，其中许多在空间上重叠并对应于同一物体实例。非极大值抑制（NMS）是一种后处理技术，旨在通过仅保留高度重叠候选中最自信的预测来移除这些冗余检测。

假设检测器输出一组预测边界框，其中每个元素包含边界框坐标和相关的置信度分数。NMS通过迭代选择得分最高的边界框，并抑制所有与选定边界框重叠超过预定义阈值的剩余边界框来继续进行。

两个边界框之间的重叠使用交并比（IoU）指标来量化。给定一个交并比阈值，如果某个边界框与当前选定的最高得分边界框的交并比大于或等于该阈值，则该边界框被丢弃。此过程持续进行，直到没有候选边界框剩余。

2.2 非极大值抑制的局限性

尽管非极大值抑制因其简单性和有效性而被广泛采用，但它引入了几个影响训练和部署的结构局限性。

2.2.1 不可微分性与训练-推理差异

非极大值抑制是一种不可微分的操作，因此被排除在训练过程之外。目标检测器使用定义在所有预测边界框上的损失函数进行优化，而推理则依赖于在训练期间未学习的启发式抑制规则。这导致优化目标与最终推理行为之间存在不匹配，因为冗余抑制未在网络参数中明确建模。

2.2.2 对超参数的敏感性

非极大值抑制的性能严重依赖于交并比阈值的选择。单一的全局阈值可能在不同物体尺度和场景密度下并非最优。在拥挤场景中，激进的抑制可能会移除有效检测，而在稀疏场景中，不足的抑制可能导致重复输出。这种敏感性通常需要针对特定数据集进行调整，并降低了跨领域的鲁棒性。

2.2.3 计算与部署开销

标准非极大值抑制的最坏情况计算复杂度为平方级别，其中候选边界框的数量为变量。尽管存在实际优化，非极大值抑制仍然是一个顺序后处理步骤，可能显著贡献于端到端延迟，特别是在基于CPU或边缘部署中。此外，非极大值抑制在不同推理运行时和硬件加速器中的支持并不一致，使模型导出和部署复杂化。

2.3 变体与扩展

已经提出了几种变体来缓解硬性抑制的缺点。软非极大值抑制通过衰减置信度分数而非完全丢弃边界框来修改抑制策略，其中衰减率由控制参数调节。虽然软非极大值抑制改善了拥挤场景中的召回率，但它仍然是一种启发式后处理方法，并引入了额外的超参数。

其他方法尝试使用辅助网络或排序机制来学习抑制行为。然而，这些方法通常会增加架构复杂性和推理成本，限制了它们在实时系统中的采用。

2.4 非极大值抑制的端到端替代方案

近期的目标检测框架通过强制在训练期间进行唯一预测分配来消除非极大值抑制。假设真实物体集合和预测集合分别表示。端到端检测器优化一对一匹配目标，其中匹配函数将每个真实物体分配给唯一预测。这种表述内在地抑制了冗余检测，并在推理时消除了后处理抑制的需要。

通过将训练和推理目标对齐，无NMS检测流程简化了部署并提高了跨硬件平台的一致性。

2.5 讨论

虽然非极大值抑制在历史上实现了高效的目标检测，但其启发式性质、不可微分性和部署开销为现代实时和边缘导向应用带来了越来越大的挑战。端到端无NMS检测范式通过在将冗余抑制直接整合到学习目标中来解决这些局限性，代表了目标检测系统设计的根本性转变。

2.6 YOLO26的无NMS设计含义

YOLO26被设计为一种原生端到端目标检测框架，在推理期间消除了对非极大值抑制的需求。这一设计选择直接解决了第2节中讨论的传统基于非极大值抑制流程的结构局限性，将训练目标与推理行为对齐，并简化了部署。

2.6.1 无需后处理的端到端预测

在传统的基于YOLO的检测器中，网络输出一组密集的、重叠的预测，必须使用非极大值抑制进行过滤。相比之下，YOLO26的表述旨在直接输出最终检测集，而不依赖启发式抑制。假设网络由参数化并定义一个映射，其中最终预测物体由模型产生。由于不应用后处理抑制，映射的输出在推理期间被直接使用。

这种表述消除了当外部应用非极大值抑制时产生的训练与推理之间的差异，允许模型在优化期间内在化冗余抑制。

2.6.2 训练目标与冗余抑制

YOLO26采用端到端训练范式，其中每个真实物体被鼓励对应于唯一预测。假设图像中的真实物体集合表示为一个集合。训练目标最小化基于匹配的损失，其中分配函数将每个真实物体映射到单一预测。通过强制这种结构化监督，YOLO26阻止多个预测表示同一物体，从而在推理时消除了对非极大值抑制的需求。

这种方法在概念上与端到端检测框架（如DETR）对齐，同时保留了YOLO家族特有的卷积效率和实时设计原则。

2.6.3 移除非极大值抑制的部署优势

消除非极大值抑制对YOLO26的部署有几个实际影响。首先，推理流程变为严格的前馈流程，仅由神经网络操作组成。这简化了模型向推理运行时（如ONNX）和硬件加速后端的导出，这些后端通常缺乏对动态抑制算子的优化或标准化支持。

其次，移除非极大值抑制避免了在基于CPU和边缘设备部署中可能不成比例贡献于延迟的顺序后处理步骤。因此，YOLO26的整体推理行为变得更加可预测，并且更容易集成到实时系统中。

2.6.4 密集场景的鲁棒性

传统的基于非极大值抑制的检测器可能由于固定的交并比阈值而在拥挤场景中抑制有效检测。由于YOLO26不依赖启发式重叠过滤，其预测不受全局抑制阈值的明确约束。相反，冗余处理通过训练隐式学习，这在涉及密集物体布局的场景（如人群分析或小物体密集图像）中可能是有利的。

需要注意的是，虽然这种设计移除了启发式抑制，但检测性能仍然依赖于训练数据的质量和监督策略，这与所有端到端检测器的情况相同。

2.6.5 与YOLO架构演进的关系

YOLO26的无NMS表述代表了目标检测向完全端到端学习发展的更广泛趋势的延续。早期的YOLO变体强调通过单阶段回归实现速度，但将非极大值抑制保留为必要的后处理步骤。YOLO26移除了这种依赖，进一步统一了检测流程，同时保留了实时推理的核心原则。

通过将冗余抑制整合到学习目标中，而不是通过后处理强制执行，YOLO26将YOLO框架推向更原则性和面向部署的设计。

2.6.6 小结

在YOLO26中移除非极大值抑制并非微小的架构修改，而是影响优化、推理和部署的结构设计选择。通过采用端到端、无NMS的表述，YOLO26将训练和推理目标对齐，降低了流程复杂性，并促进了跨多样化硬件平台的部署。这一设计选择将YOLO26置于将目标检测视为完全可学习端到端问题的现代检测器不断增长的类别中。

3 YOLOv26架构

YOLOv26被表述为一种原生端到端目标检测架构，直接将输入图像映射到最终预测，而不依赖非极大值抑制（NMS）等后处理步骤。假设输入图像表示为一个三维张量，其中高度、宽度和通道数分别由相应变量表示。模型学习一个统一映射，其中参数表示可训练参数，输出表示网络产生的最终检测结果。与传统的基于YOLO的流程不同，YOLO26执行端到端推理，无需显式的非极大值抑制阶段。冗余预测通过训练隐式抑制，实现了直接部署和降低的推理延迟，特别是在边缘和仅CPU平台上。

3.1 端到端检测头

检测头在单次前向传播中联合预测定位、置信度和分类。对于每个预测，输出定义为包含边界框坐标、目标置信度和类别概率向量的元组。完整的输出集在推理期间被直接使用，无需额外的过滤操作。

3.2 无分布焦点损失的设计

YOLO26移除了分布焦点损失（DFL）模块，以简化推理并提高硬件兼容性。边界框回归通过连续回归目标学习，通常使用基于交并比的损失表示，其中真实边界框和预测边界框分别表示。

为了改善优化行为和小目标检测性能，YOLOv26结合了渐进损失（ProgLoss）与小目标感知标签分配（STAL）。这些项对总体目标有贡献，同时保持了架构简洁性。

3.3 统一训练目标

总体训练损失定义为加权组合，其中分类损失和置信度损失分别表示，各项的权重由相应的lambda系数平衡。

3.4 基于MuSGD的优化

YOLOv26引入了MuSGD优化器，它将随机梯度下降与Muon启发的优化原理相结合。参数更新遵循特定的更新规则，其中学习率调节更新步长，MuSGD更新规则作用于梯度。这种优化器改善了训练稳定性和收敛速度，而不会改变推理时的架构。

3.5 任务特定的架构扩展

对于实例分割，YOLOv26引入了语义分割损失和多尺度原型模块。掩码预测表示为多尺度聚合特征与掩码生成函数的组合。

对于姿态估计，YOLOv26整合了残差对数似然估计（RLE），对关键点不确定性进行建模：姿态损失表示为关键点与预测分布参数的对数概率之和。

对于定向边界框（OBB）检测，YOLOv26引入了角度感知损失，用于缓解边界不连续性并提高方形物体的检测精度。

3.6 架构成果

通过其端到端表述、简化的损失设计和面向部署的优化，YOLOv26实现了降低的推理延迟，并报告CPU推理速度提升高达43%，使其非常适合边缘计算和资源受限环境。

4 YOLO26中的MuSGD优化策略

4.1 背景与动机

优化在训练深度目标检测器中起着关键作用，特别是当架构变化旨在简化推理或移除启发式后处理步骤时。传统的YOLO模型主要依赖于带动量的随机梯度下降（SGD）变体或自适应优化器（如Adam）。虽然这些优化器有效，但在训练强制执行严格分配约束和统一目标的端到端检测框架时，它们可能表现出不稳定性或收敛速度较慢。

为了解决这些挑战，YOLO26引入了MuSGD，这是一种基于标准随机梯度下降构建的优化策略。MuSGD旨在改善训练稳定性和收敛行为，同时保留基于SGD优化的简单性和可预测性。

4.2 MuSGD的表述

假设模型参数在迭代时表示为相应变量，总体训练损失表示为特定函数。在标准SGD中，参数更新由学习率乘以梯度给出。

MuSGD遵循相同的基本更新结构，但引入了一个修改的更新算子，调整梯度动态以促进稳定优化。参数更新遵循特定规则，其中MuSGD更新规则作用于总体损失的梯度。重要的是，MuSGD不会改变推理时的架构或引入额外参数；其效果严格限于训练阶段。

4.3 对端到端YOLO26训练的适用性

YOLO26的端到端表述移除了非极大值抑制等后处理步骤，而是通过训练目标强制执行冗余抑制。这增加了对稳定优化的重要性，因为检测器必须学会为每个物体产生单一、定位良好的预测，而不依赖启发式过滤。

在此背景下，MuSGD被应用于优化统一的YOLO26损失，该损失联合包含定位、分类和置信度组件。通过保留SGD的简单性，同时改进梯度更新行为，MuSGD旨在支持在这些更严格监督约束下训练时的一致收敛。

4.4 与统一损失设计的交互

YOLO26采用统一的损失表述，将多个任务特定组件整合到单一目标中。优化这种损失可能对组件间的不平衡和训练期间的梯度尺度变化敏感。MuSGD与这种统一损失结合使用，以在训练迭代间保持稳定的参数更新，而不引入可能使可复现性或部署复杂化的自适应学习率机制。

需要注意的是，MuSGD纯粹作为训练时优化策略发挥作用，不会在推理期间施加任何额外计算成本。

4.5 部署与可复现性考虑

从部署的角度来看，MuSGD的使用不会对导出的YOLO26模型产生任何影响，因为优化器特定的操作不是推理图的一部分。这确保了YOLO26与通用部署格式和硬件加速器保持兼容性。此外，通过保持与标准SGD的概念接近，MuSGD支持可复现的训练行为，并可 straightforward 地集成到现有训练流程中。

4.6 小结

MuSGD代表了YOLO26中引入的优化改进，以支持端到端、无NMS目标检测器的稳定和高效训练。通过扩展经典SGD而不改变推理时行为，MuSGD与YOLO26的总体设计理念保持一致，即强调架构简洁性、部署实用性和统一学习目标。

表1和表2表示了YOLOv26与其他YOLO版本之间的架构差异。

表1：YOLOv8、YOLOv9、YOLOv10、YOLOv11、YOLOv12和YOLOv26的比较。 参数数量和浮点运算次数因模型规模（n/s/m/l/x）而异。

表格

属性	YOLOv8	YOLOv9	YOLOv10	YOLOv11	YOLOv12	YOLOv26
主干/颈部/头部	改进的主干和颈部	GELAN主干，可编程梯度信息+可逆函数	跨阶段部分网络+路径聚合网络颈部	跨阶段部分网络+路径聚合网络颈部	区域注意力+残差高效层聚合网络	端到端检测头
注意力/优化器	标准注意力	标准注意力	大核卷积+部分自注意力	Flash注意力，多层感知机主干+路径聚合网络颈部	注意力，优化比率调整，残差缩放	MuSGD（SGD+Muon），渐进损失+小目标感知标签分配
损失/非极大值抑制	标准YOLO损失，使用非极大值抑制	非极大值抑制+可编程梯度信息	一致双重分配（无NMS训练）	标准YOLO损失	优化的YOLO损失	端到端无NMS，语义分割损失，残差对数似然估计，角度损失
支持任务	检测、分割、姿态、定向边界框、分类	检测、分割、姿态、定向边界框、分类	检测、分割、姿态、定向边界框、分类	检测、分割、姿态、定向边界框、分类	检测、分割、姿态、定向边界框、分类	检测、分割、姿态、定向边界框、分类
边缘/CPU优化	优化的速度-精度权衡	减少参数	轻量级头部，降低延迟	为速度优化的精炼流程	高精度，更少参数	CPU速度快达43%，无分布焦点损失，多种导出格式
关键创新/备注	首个无锚点分割头	信息保留；高效轻量级模型	端到端无NMS；多尺度	比v8m少22%参数；更高精度	高效注意力；位置感知卷积	统一多任务框架；高小目标精度

表2：YOLOv8、YOLOv9、YOLOv10、YOLOv11、YOLOv12和YOLOv26的任务特定支持比较。

表格

任务/特性	YOLOv8	YOLOv9	YOLOv10	YOLOv11	YOLOv12	YOLOv26
检测	✓	✓	✓	✓	✓	✓
分割	✓	✓	✓	✓	✓	✓
姿态/关键点	✓	✓	✓	✓	✓	✓
定向目标检测（OBB）	✓	✓	✓	✓	✓	✓
分类	✓	✓	✓	✓	✓	✓
模型变体/备注	n/s/m/l/x	t→e；可编程梯度信息与GELAN	n/s/m/b/l/x	n/s/m/l/x	n/s/m/l/x	n/s/m/l/x；多任务，开放词汇

5 YOLO模型的综合比较

5.1 目标检测性能

在YOLO各代产品中，目标检测质量（以COCO数据集的交并比阈值0.5至0.95的平均精度均值衡量）随着架构改进和优化技术而稳步提升。对于YOLOv8，在640×640分辨率下的检测系列从YOLOv8n的37.3%平均精度均值跃升至YOLOv8x的53.9%，为实时检测任务建立了强大的基线。该家族还表现出模型复杂性的成比例增加，从320万参数和87亿浮点运算次数（nano）到6820万参数和2578亿浮点运算次数（特大）。

在此基础上，YOLOv9取得了显著改进：从YOLOv9t的38.3%到YOLOv9e的55.6%，反映了增强的主干和聚合技术。YOLOv10变体引入了端到端无NMS推理，提供了与YOLOv9相当的检测性能，但具有略微不同的速度/复杂性权衡（例如，YOLOv10x达到54.4%平均精度均值）。YOLOv11进一步推动了精度提升——YOLOv11x达到54.7%平均精度均值，略高于同尺度的YOLOv10，同时保持高效的推理速度。YOLOv12模型延续了这一趋势：最大的YOLOv12x达到55.2%平均精度均值，表明基于注意力的架构组件可以在相当成本下维持并略微提高检测质量。最新的YOLO26家族在相似输入尺寸下超越了先前版本，YOLO26x达到57.5%平均精度均值，反映了整个谱系的累积架构和损失函数改进。

延迟也在演进：YOLOv8模型通常需要较长的CPU ONNX时间（例如，YOLOv8n为80.4毫秒）和适中的GPU TensorRT时间。相比之下，YOLO26模型显示出显著的CPU加速（例如，YOLO26n为38.9毫秒），同时保持强大的检测精度，证实了端到端无NMS设计和架构简化在边缘部署中的成功。

5.2 实例分割与多任务支持

除边界框检测外，YOLO模型已逐步整合更丰富的任务支持。YOLOv8分割变体在COCO分割基准上展示了具有竞争力的质量，YOLOv8x-seg在640×640分辨率下达到53.4%的边界框平均精度均值和43.4%的掩码平均精度均值，表明该模型除了检测外还能处理像素级描绘。

YOLOv9分割结果进一步支持多任务能力——例如，YOLOv9e-seg达到55.1%的边界框平均精度均值和44.3%的掩码平均精度均值——表明模型学习的基础特征表示跨任务是鲁棒的。这些分割基准与官方Ultralytics模型比较和多任务性能诊断图表的趋势一致。虽然详细的YOLO11、YOLOv12和YOLO26分割指标未包含在提供的表格中（且在撰写本文时官方Ultralytics文档中也未广泛发布），但这些新模型的架构设计——特别是YOLO26及其显式实例分割损失——表明分割性能至少与YOLOv8和YOLOv9等早期模型相当或有所提升（与这些版本记录的跨任务支持一致）。

5.3 分类性能

在ImageNet上训练的YOLOv8分类变体提供了YOLO家族架构如何泛化到纯识别任务的广泛视角。在224×224分辨率下，YOLOv8分类结果显示随着模型尺寸增加，顶级精度逐步提高：

• YOLOv8n-cls：顶级精度69.0%，前五精度88.3%

• YOLOv8x-cls：顶级精度79.0%，前五精度94.6%

这一进展反映了该系列中 increasingly 表达性的主干和解耦头。虽然YOLOv9、YOLOv10、YOLOv11和YOLOv12的详细分类数字未提供或未在官方基准中标准化，但继续使用类似的主干和头部设计原则（以及记录的任务列表）支持了较新版本维持或改进分类性能的预期。对于YOLO26，统一模型家族在所有尺度变体（nano到extra large）中都包含分类支持，表明了对超越检测的通用视觉任务的设计承诺。

5.4 姿态估计与定向目标检测（OBB）

YOLOv8变体的姿态估计基准突出了模型的多任务灵活性，YOLOv8x-pose在640×640分辨率下达到69.2%的平均精度均值（交并比0.5-0.95）和90.2%的关键点平均精度均值（交并比0.5），扩展的YOLOv8x-pose-p6在1280分辨率下达到更高的指标（71.6%平均精度均值0.5-95）。这些结果说明了YOLOv8架构如何在检测目标边界框之外可靠地定位人体关键点。

对于定向目标检测（例如，在DOTA数据集上的旋转感知边界框），YOLOv8x-obb在1024×1024分辨率下达到81.36%的平均精度均值（交并比0.5），证明了其在航空影像或文档分析等应用中的有效性。

YOLO11也包含OBB变体，提供的结果显示YOLO11x-obb在DOTA v1上达到81.3%的平均精度均值（交并比0.5），与YOLOv8数字紧密对齐，这突显了整个YOLO演进过程中一致的多任务能力改进。YOLO26延续了这一趋势，具有跨越多个尺度的专用OBB变体。提供的结果显示YOLO26x-obb达到56.7%的平均精度均值（交并比0.5-0.95）和81.7%的平均精度均值（交并比0.5），将强大的定向检测质量与模型的端到端设计相结合。这些基准表明YOLO26中的架构增强不会损害其多任务输出质量。

5.5 延迟与部署效率

延迟是实时和边缘系统的关键标准。官方Ultralytics文档注意到从依赖后处理（如非极大值抑制）的传统YOLOv8流程向YOLOv10和YOLO26等模型中的端到端推理架构的转变，简化了部署并降低了延迟可变性。具体而言，虽然YOLOv8模型质量高且广泛使用，但它们对非极大值抑制的依赖在某些硬件/格式组合中使部署复杂化。YOLOv10和YOLO26移除了这一阶段，实现了更快的推理，特别是在CPU和资源受限设备上。基准测试证实，YOLO26变体在CPU ONNX上比相应的YOLOv8和YOLO11模型运行更快，尽管提供了更高的平均精度均值，这对于没有GPU的实时应用是关键优势。

5.6 架构与优化趋势

每个连续的YOLO版本都纳入了旨在提升性能和实际部署的创新。

• YOLOv8建立了无锚点分割头和改进的主干/颈部，以实现灵活性和多任务支持。

• YOLOv9添加了可编程梯度信息和广义高效层聚合网络，以对抗信息损失并增强表示质量。

• YOLOv10开创了端到端无NMS推理与双重分配策略，降低了延迟并简化了流程。

• YOLOv11继续改进主干/颈部架构和广泛的任务支持，同时以比同等YOLOv8模型更少的参数实现更高的精度。

• YOLOv12整合了区域注意力机制和残差高效层聚合，以平衡注意力和卷积计算。

• YOLOv26综合了这些进展，纳入了高效优化（MuSGD）、简化的损失设计和原生无NMS推理，跨越统一的多任务框架。

根据提供的基准测试和官方Ultralytics比较，YOLO模型的演进反映了在检测、分割、分类、姿态估计和OBB任务上的一致增益。每一代都在先前优势的基础上构建，同时解决已知局限性——从简化推理流程（YOLOv10/YOLOv26）到扩展多任务能力（YOLO11、YOLOv26）和整合高效注意力机制（YOLOv12）。最新的YOLO26模型展示了检测质量和可部署性的最高综合性能，而牺牲了多任务支持或效率。

6 YOLO模型的跨领域应用与YOLOv26的潜力

6.1 医疗保健与医学影像应用

YOLO模型因其实时检测能力和高精度而在医学影像领域得到广泛探索，这对临床工作流程中的诊断支持至关重要。近期对基于YOLO的医学影像目标检测的系统性回顾总结了2018年至2024年的研究，报告YOLO模型——特别是从YOLOv5到YOLOv8的版本——在关键诊断任务（如肺结节检测、乳腺癌筛查和息肉检测）上达到了非常高的精度（高达99.17%）、灵敏度（高达97.5%）和超过95%的平均精度均值，这些任务基于公开数据集包括LUNA16、CheXpert等，证明了YOLO在早期疾病检测和实时临床辅助（例如，在肺部和乳腺影像中）的潜力。例如，专门为肺结节检测设计的增强YOLOv6基础模型Lung-YOLO，在LUNA16上达到97.5%的检测精度，在LIDC-IDRI上达到95.1%，平均精度均值分别为97.9%和95.9%，推理速度为每图像22.8毫秒，说明了临床环境中实时肺癌筛查的可行性。另一项使用YOLOv8变体的工作在从MRI图像检测肿瘤和病变方面展示了强大的性能，脑膜瘤和垂体瘤检测通常产生高于0.90的精度和召回值，以及高于0.93的平均精度均值分数，表明跨多种影像模态（如CT和MRI）的鲁棒性。

具体应用进一步验证了YOLO的性能：在乳腺超声影像中，YOLOv5与高级预处理组合在多个独立乳腺超声数据集上达到了93.19%至96.42%的平均检测精度，有时在分割任务中表现优于经验丰富的放射科医生。在结直肠癌筛查中，使用条件生成网络和架构增强优化的基于YOLO的方法达到92.37%的平均精度，并具有可接受的实时处理速度，使其适用于内窥镜影像中的息肉检测。重要的是，使用YOLOv7进行肾脏MRI的研究显示平均精度均值约为0.95，灵敏度和阳性预测值高于0.90，强调了其以高可靠性识别器官结构和肿瘤边界的能力。近期工作进一步扩展了YOLO架构：基于YOLOv9的增强检测器框架（如SCC-YOLO，具有注意力机制）报告在脑肿瘤图像检测准确性方面有高达0.5%的平均精度均值50提升，相对于基准YOLOv9在基准数据集上。

尽管有良好的记录，文献一致指出持续的挑战：YOLO模型可能对非常小/低对比度的病变表现出较高的漏检率，并可能在与医学背景相关的有限标注数据或可解释性方面挣扎，推动了对数据增强、多模态融合和自监督学习的研究，以增强泛化能力并降低标注负担。

6.2 安全、监控与实时监测

YOLO模型已成为实时安全、监控和监测系统的核心组件，因其在速度和精度之间的出色平衡，非常适合延迟关键的实时视频分析和威胁检测。比较研究表明，YOLO架构在监控场景中优于传统检测器（如SSD），一项研究报告YOLOv3在帧率方面几乎是SSD的两倍，同时在COCO和PETS等数据集上保持更高的平均精度均值和交并比，突显了YOLO在多样化环境中（人员、车辆等）持续实时目标检测的适用性。

在涉及无人机（UAV）监控的应用中，对YOLOv4与YOLOv5的评估表明，YOLOv5在帧率上实现了1.63倍的提升，在航空监控任务中平均精度上实现了1.09倍的改进，突显了后期YOLO变体不仅维持实时性能，而且提高了检测质量。超越通用目标检测，YOLO已被整合到人群监控和现实条件下异常检测的高级框架中。例如，为大型集会（如朝觐）期间的密集人群开发的增强YOLOv8框架，在Hajjv2数据集上达到88.27%的曲线下面积和91.6%的精度，在异常检测指标上大幅超越早期YOLO基线（如YOLOv2和YOLOv5），分别领先13.09%和12.19%。另一项利用YOLO进行人群管理的研究报告，YOLOv8等模型在复杂人群场景中保持高于92%的精度和约90%的召回率，同时达到25-30帧率，进一步验证了YOLO在实时监控场景中的实时有效性。安全研究还涉及对抗性和损坏环境中的鲁棒性问题。对YOLO模型安全性的全面审查强调，对抗性扰动、噪声和图像损坏可能显著降低检测性能，而较新的YOLOX变体，特别是大型模型，与早期YOLO版本相比，往往在这种条件下保持更高的精度和鲁棒性。这项工作强调了对抗性弹性和鲁棒性的重要性，特别是对于安全关键型部署，如周边安全、动态场景中的目标跟踪和自主监控应用。最后，监控中专门的基于YOLO的异常检测系统在结合优化的跟踪和分类模块时展示了卓越的精度。例如，采用优化YOLO网络并附加预处理和跟踪模块的实时异常行为检测系统在异常行为检测任务中达到高达99%的精度，展示了YOLO如何作为更复杂安全分析流程中的感知骨干。

这些研究共同证实，YOLO的低延迟推理（通常在标准硬件上超过25-30帧率）和强大的检测精度使其非常适合实时监控和安全应用，范围从人群监控到基于无人机的空中检测。它们还强调，对对抗性和损坏输入的鲁棒性仍然是确保复杂现实世界安全环境中可靠性的关键研究方向。

6.3 自主系统与交通应用

在自动驾驶和智能交通系统中，YOLO模型已成为实时感知的基础组件，实现对行人、车辆、交通标志和障碍物的检测——所有这些对于安全导航和避撞至关重要。研究基准表明，YOLO变体始终将具有竞争力的精度与低推理延迟相结合，这对于需要快速场景解释的动态条件下的车载系统至关重要。例如，一项专门针对低成本硬件上真实嵌入式自主平台中交通标志识别的YOLOv8至YOLOv11架构的比较评估显示，YOLOv10B在平均精度均值（交并比0.5-0.95）方面表现最佳，同时在低成本硬件上保持实时推理能力，在不同检测角度和距离下精度水平接近或高于98%，说明了YOLO即使在模拟真实自主系统部署场景的资源受限移动计算单元上的可行性。

在行人检测和交通标志识别等背景下对YOLOv8的评估报告了表明在现实世界交通环境中实用性的性能数字。一项分析显示，YOLOv8在交通标志分类任务中达到95-96%的精度率和约94-95%的召回率，F1分数接近94.9%，同时在速度和整体性能上超越替代基线（如Faster R-CNN）。另一项在 varying 光照条件下比较YOLOv9进行交通标志检测的研究发现，YOLOv9模型在 multi-class 交通标志数据集上提供约94%的精度，在精度和实时响应性方面以 wide margins 超越其他当代检测器（如SSD MobileNet v2和Faster R-CNN），强化了YOLO对自主驾驶 typical 的多样和变化光照条件的适应性。超越特定的标志识别，YOLO模型在车辆和行人检测方面也表现出色。针对改进YOLOv8网络进行车辆检测的研究表明，结合注意力机制和增强特征提取的修改显著提升了性能，在基准数据集上对汽车达到98.3%的检测精度，对行人达到89.1%，对摩托车达到88.4%，验证了模型跨异构道路代理的鲁棒性。在对大型城市车辆数据集上YOLO架构的全面评估中，YOLOv11已被证明在检测较小和被遮挡的车辆方面优于早期变体（如YOLOv8和YOLOv10），同时保持竞争力的推理时间，使其特别适合具有密集物体交互和部分遮挡的复杂交通场景——自主导航系统 commonly 遇到的条件。

探索恶劣天气和环境变化的研究也突显了YOLO的潜力和局限性。例如，在 fog 或 sandstorms 等恶劣天气条件下，注意力增强的YOLOv11变体（如YOLOv11-TWCS）在KITTI数据集上达到高于81.9%的平均精度均值（交并比0.5），并维持高推理帧率（例如，超过140-245帧率），同时减少参数和计算成本，表明现代YOLO版本可以处理 accuracy 和 efficiency 在挑战性真实驾驶场景中的需求。

这些研究共同强调，从YOLOv8到YOLOv12及 beyond 的YOLO模型不仅能够进行高精度检测（通常对核心交通实体超过90%），而且在GPU或嵌入式平台上保持 tens of milliseconds 的推理延迟，使自主导航、交通监控和安全关键决策所需的实时感知性能成为可能。这种速度、精度和适应性的结合对于自主车辆和智能交通管理系统中的可部署感知栈至关重要。

6.4 农业、机器人与工业视觉

YOLO家族的目标检测器已在农业自动化、机器人感知和工业检测中找到广泛应用，因其在动态现场条件下的实时推理能力和具有竞争力的检测精度。在农业机器人中，YOLO模型已被整合到自主系统中，用于杂草检测和清除、小果实计数、作物负载估计和成熟度评估等任务。例如，利用YOLOv8结合ByteTrack多目标跟踪算法的视觉自主农业机器人被开发用于实时检测杂草；该系统达到92.1%的平均精度均值（交并比0.5）检测精度，93.8%的精度，86.5%的召回率，部署期间维持约62帧率的处理速度，展示了在复杂作物环境中运行的机器人所需的速度和检测质量之间的平衡。对YOLO变体在果园环境中的综合评估进一步验证了其在现场小果实检测和计数中的实用性。在 fruitlet 检测任务上对YOLOv8、YOLOv9、YOLOv10和YOLOv11配置的跨模型比较工作显示，YOLOv11s和YOLOv9 gelan-base分别达到约0.933和0.935的平均精度均值50分数，YOLO11n提供约2.4毫秒的最快推理速度——明显快于可比较的YOLOv10n、YOLOv9和YOLOv8配置。这些结果突显了后期YOLO模型不仅维持高检测精度，而且增强吞吐量，这对于必须处理连续视觉输入以进行决策和驱动的机器人系统至关重要。

超越果实计数和杂草清除，YOLO还被应用于更细微的农业任务，如成熟度和缺陷检测。例如，优化的YOLOv8变体在机器人收获 context 中用于收获前果实缺陷检查，YOLOv8达到98%的精度，延迟为39.2毫秒，使机器人末端执行器能够实时识别表面缺陷，同时最小化计算负载。类似地，专门的基于YOLOv11的模型（如YOLOv11-GSF）被提出用于农业质量评估任务（例如，草莓成熟度检测），报告相对于基准YOLOv11实现，在平均精度、精度、召回率和F1分数方面有可测量的改进。在作物负载估计和机械化修剪/疏剪中，YOLOv8实例分割已被用于以高保真度识别树干和树枝，实现下游计算，如用于自动修剪决策的 limb 横截面积。在此背景下，基于YOLOv8的系统达到低的估计误差（例如，分支直径的均方根误差为2.08毫米），并促进了自动化农业决策流程，表明该模型的实用性超越了简单的目标边界框检测，以支持 varying 现场条件下的连续机器人感知。此外，对农业环境中目标检测的系统性审查确认，YOLO的单阶段回归表述（在单次通过中预测边界框和类别概率）支撑着模型对实时任务（如基于无人机的杂草监测、果园果实识别和跨大片区域的疾病检测）的适用性。这些调查突显了连续的YOLO改进（如YOLOv3到YOLOv8）增强了对遮挡和尺度变化的鲁棒性，使部署在野外机器人中使用的嵌入式和边缘设备上成为可能。

在工业视觉和制造业中，相同的设计原则使YOLO能够用于高吞吐量视觉检测、缺陷检测和质量控制，而不会延迟生产线。其快速推理支持传送带系统上的实时检测循环和自动装配检查，将摄像头和机器人执行器转化为响应迅速的质量保证代理。总体而言，YOLO在农业自动化、机器人感知和工业视觉中的适应性突显了其超越传统目标检测的多功能性，在广泛的操作环境中实现高效的自动化和决策支持。

6.5 新兴需求与研究挑战

尽管YOLO在各应用中取得了广泛成功，但研究文献指出了几个限制关键场景性能并推动持续创新的持续挑战。一个常被引用的限制是YOLO在准确检测非常小的物体方面的困难，特别是在物体特征稀疏且低分辨率的杂乱或退化环境中。这种弱点源于YOLO的基于网格的特征提取倾向于随着深层空间分辨率的降低而丢失细粒度细节，导致对 distant 行人、微小车辆或细微解剖异常等小目标的漏检或假阴性。解决这一问题的近期研究包括针对小目标检测定制的改进架构，如基于YOLOv11的DRF-YOLO，其整合了多尺度边缘增强和动态交互头，以增强对小物体特征的反应，相对于基准YOLOv11模型，在标准退化目标检测基准上分别获得3.4%和2.3%的平均精度均值0.5提升。关于小目标检测的调查进一步指出，像MSCOCO这样的标准数据集相对于较大物体 underrepresent 小物体，导致 biased 学习和 poor 泛化，除非使用专门的增强或架构变化。

另一个显著的挑战是领域适应和跨领域泛化。在一个领域训练的目标检测器在未重新训练的情况下应用于显著不同的环境时往往表现不佳，如在自主驾驶研究中记录的那样，YOLOv8s在不同地理数据集的新颖光照和天气条件下表现出降低的F1分数，强调了需要能够桥接源数据和目标数据之间分布偏移的领域适应技术。半监督领域自适应方法（如SSDA-YOLO，将YOLOv5与一致性学习和风格转移集成以对齐源领域和目标领域）显示了在Cityscapes和Foggy Cityscapes等基准上改进跨领域检测性能的希望，说明了领域差异仍然是实际部署中的紧迫挑战。

资源约束进一步使YOLO在现实世界边缘 context 中的适用性复杂化。尽管有轻量级变体（如YOLOv5s或YOLO-compact模型），在有限内存和计算的设备（如移动或物联网传感器）上实现模型尺寸、推理速度和精度之间的平衡仍然困难。对轻量级目标检测器的审查突显了如REQ-YOLO的框架和结构模型压缩，可以在 moderate 精度损失的情况下大幅减少模型尺寸，但这些方法通常需要仔细设计以避免显著的性能退化。类似地，旨在为小目标检测保留细节的多尺度特征融合策略和注意力模块经常引入额外的计算开销，这可能抵消实时边缘推理的好处，并使在低功耗硬件上的部署复杂化。

对鲁棒性和可解释性的需求也带来了研究挑战。YOLO模型可能易受损坏或噪声输入的影响，其深度表示通常不透明，限制了其在医疗保健或自主驾驶等安全关键型应用中的接受度，在这些应用中理解模型为何做出特定预测至关重要。解决可解释性需要开发可解释的检测框架或整合不确定性估计，特别是在错误预测 cost 高昂的场景中。此外，对抗性脆弱性—— where imperceptible perturbations 可能导致误分类——在安全敏感环境中仍然是风险，强化了对对抗性训练或输入过滤等防御措施的需求，尽管基线YOLO鲁棒性有所进步。

这些记录的限制——跨越小目标检测、领域适应、边缘效率、鲁棒性和可解释性——共同突显了未来研究的关键领域。它们推动了多任务学习、改进的特征融合机制、领域泛化框架以及轻量级 yet 表达性架构等创新，以在日益复杂和资源受限的真实世界应用中维持YOLO的性能。

6.6 YOLO26的潜力

YOLO26代表了YOLO家族实时目标检测器的最新演进步骤，明确设计用于跨多样化真实世界应用的可部署计算机视觉。与传统依赖启发式后处理的目标检测器不同，YOLOv26引入了原生端到端推理——模型直接产生最终预测，而不依赖外部非极大值抑制（NMS）阶段——显著简化部署流程并降低推理延迟。这一架构转变建立在YOLOv10首次探索的创新之上，是YOLOv26在边缘、云和混合环境中真实世界可用性的基础设计选择。

YOLOv26的一个关键优势是移除了分布焦点损失（DFL），虽然先前对边界框细化有效，但其复杂性经常阻碍可导出性和硬件兼容性。通过移除分布焦点损失，YOLOv26提供更简单、更可预测的推理执行，扩大了对计算资源受限处理器的支持，并使模型向ONNX、TensorRT、CoreML、TFLite和OpenVINO等格式的导出更加直接。YOLOv26还引入了先进的训练机制，如渐进损失平衡（ProgLoss）和小目标感知标签分配（STAL），它们动态平衡监督并改善检测，特别是对于在航空影像和医学影像等应用中常见的 small 或 distant 物体。此外，MuSGD优化器——经典随机梯度下降与受大型语言模型优化启发技术的混合——使收敛和训练效率更加稳定，这在模型针对特定领域数据进行微调时特别有价值。

性能基准进一步突显了YOLOv26的实际潜力。在标准CPU架构上，最小的YOLOv26变体（YOLO26n）实现比前几代同等模型快达43%的推理，使典型移动设备、智能摄像头和嵌入式视觉平台上的CPU实时性能成为可能。这种改进不仅体现在原始推理速度上，而且反映在整个流程上，因为消除后处理和降低计算开销直接降低了端到端延迟——对于需要快速感知和驱动的系统至关重要的指标。

超越目标检测，YOLOv26支持统一的多任务框架，涵盖所有模型尺寸（nano到extra large）的目标检测、实例分割、图像分类、姿态估计和定向边界框检测（OBB）。这种多任务多功能性将YOLOv26定位为集成视觉系统的有力候选者，这些系统必须处理自主驾驶、机器人技术、工业检测和医疗保健等领域中的 varied 感知任务。例如，改进的实例分割和专门关键点估计组件的整合将YOLOv26的实用性从边界框扩展到更丰富的场景理解任务。比较分析突显了YOLOv26相对于其直接YOLO前辈以及其他实时架构的效率优势。COCO上的基准测试表明，YOLOv26变体在平均精度均值 per 参数和浮点运算次数方面始终优于竞争性模型（如YOLOX），同时保持竞争力的推理速度，特别是对于边缘应用 typical 的基于CPU的工作负载。

综上所述，这些设计和性能特性使YOLOv26特别适合 speed 和 accuracy 都至关重要的实时、低延迟应用。在医疗保健影像中，这可以转化为更快的分诊系统；在监控中，转化为更响应迅速的异常检测；在机器人技术中，转化为改进的感知循环；在自主系统中，转化为鲁棒的环境理解。YOLOv26的架构简化，结合其多任务能力和边缘效率，表明它可能很好地 serve 作为贯穿2026 era 及 beyond 的可部署计算机视觉系统的基准模型。

7 结论

本文对YOLO家族目标检测模型的演进进行了全面回顾。专注于近期的YOLOv26作为端到端、无NMS架构，该研究调查了架构设计、训练范式选择、损失表述和优化策略，表明连续的YOLO模型版本在检测精度、推理效率和部署实用性之间逐步实现了更好的平衡。

从YOLOv8到YOLOv26的跨模型比较研究表明，近期模型确实显示出对简化推理流程、统一多任务支持以及改进CPU和边缘设备性能而不损害检测质量的 increasing 兴趣。除架构比较外，医学影像、监控、自主系统、农业、机器人技术和工业视觉中的广泛真实世界应用表明了基于YOLO的检测器在各领域中的多功能性和影响。同时，这项工作指出了几个持续存在的挑战，如小目标检测、领域泛化、对退化输入的鲁棒性和可解释性，这些都是活跃的研究方向。总体而言，因此YOLOv26是向YOLO范式更面向部署的设置迈进的进一步修订，强调端到端推理和实际效率，同时保留了贯穿YOLO框架历史的指导原则。