前言

最近因为工作需要用到图像分类，这里就使用YOLO进行相关工作。

YOLO是一款广受好评的实时目标检测与图像分割模型。YOLO基于深度学习和 计算机视觉领域的最新进展构建，具备端到端NMS 推理和优化的边缘部署能力。其精简的设计使其适用于各种应用场景，并能轻松适配从边缘设备到云 API 的不同硬件平台。

YOLO有非常多版本，当前最新版本是YOLO26，本文将以此进行试用。

YOLO简史

YOLO （You Only Look Once）是一款广受欢迎的物体检测与图像分割模型，由华盛顿大学的约瑟夫·雷德蒙（Joseph Redmon）和阿里·法哈迪（Ali Farhadi）开发。YOLO 于2015年推出，因其高速和高精度而YOLO 好评。

• YOLOv2 于 2016 年发布，通过引入批量归一化、锚框和维度聚类，对原始模型进行了改进。
• YOLOv3 于 2018 年发布，通过采用更高效的骨干网络、多个锚点以及空间金字塔池化技术，进一步提升了模型的性能。
• YOLOv4于 2020 年发布，引入了诸如马赛克数据增强、全新的无锚点检测头以及新的损失函数等创新技术。
• YOLOv5 进一步提升了模型的性能，并新增了超参数优化、集成实验跟踪以及自动导出至常用格式等功能。
• YOLOv6 YOLOv6 于 2022年由美团开源，并被应用于该公司多款自动配送机器人中。
• YOLOv7 在COCO 数据集上增加了姿势估计 等额外任务。
• YOLOv8Ultralytics于2023年发布的YOLOv8，引入了新功能和改进，以提升性能、灵活性和效率，支持全范围的视觉AI任务。
• YOLOv9 引入了可编程梯度信息（PGI）和通用高效层聚合网络（GELAN）等创新方法。
• YOLOv10 由清华大学的研究人员利用 UltralyticsPython ，通过引入一个端到端（End-to-End）头部，消除了对非最大抑制（NMS）算法的需求，从而实现了实时目标检测技术的突破。
• YOLO11：YOLO11 于2024年9月发布，在物体检测、分割、姿势估计 、跟踪和分类等多项任务中YOLO11 优异，可部署于各类AI应用和领域。
• YOLO26🚀：Ultralytics 的新一代YOLO 专为边缘部署优化，支持端到端NMS 推理。

可以看出YOLO有很多版本，来源于很多团队，YOLOv5开始很多版本由Ultralytics维护。

项目地址：https://github.com/ultralytics/ultralytics
文档首页：https://docs.ultralytics.com/

工具安装

当前一些版本的YOLO使用都是基于Python和PyTorch的，这些需要前置安装。

Python

Python：https://www.python.org/

Python安装没什么特别好说的，在后面通过工具安装下面的库的时候可能需要换源或者科学上网。

PyTorch

PyTorch：https://pytorch.org/

PyTorch分为多个版本需要根据自己的实际情况安装，官网提供了工具可用选择合适的下载命令：https://pytorch.org/get-started/locally/

比如我的电脑上有英伟达的显卡，则可以使用 nvidia-smi 命令来查看英伟达的CUDA版本来选择合适的PyTorch版本进行安装：

PyTorch比较大。安装完成后可以使用下面代码运行查看安装情况：

import torch
print(torch.__version__)
print(torch.version.cuda)
print(torch.cuda.is_available())

可以使用 pip3 uninstall torch torchvision 来卸载PyTorch。

Ultralytics

使用 pip install -U ultralytics 可以安装相关的包包括依赖的包，其中包括了PyTorch，但是这样安装的话PyTorch默认安装的是不支持GPU的版本，所以还是先手动安装PyTorch再安装Ultralytics比较合适：

安装完成后可以使用下面代码运行查看安装情况：

import ultralytics
print(ultralytics.__version__)

功能试用

YOLO各功能都是都是基于模型展开的，比如使用模型进行预测、分类等工作，如果模型不好用，还需要自己训练模块。官方提供了一些预先训练好的模型，可以在官方项目页面下载到（https://github.com/ultralytics/assets）。如果网络没问题，现在直接运行官方示例代码时也会自动下载。

官方提供的预训练模型有 n、s、m、l、x 几个尺寸，越后面的越大，运行时越慢，但是结果精度越高。

预测

预测算是YOLO最基础的功能了，检测图片中有什么东西，位置分别是哪里。使用官方提供的代码和预训练模型可以直接进行预测：

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26x.pt")  # pretrained YOLO26n model

# Run batched inference on a list of images
results = model(["images/R0000457.jpg", "images/R0001258.jpg", "images/R0003438.jpg"])  # return a list of Results objects

# Process results list
for result in results:
    boxes = result.boxes  # Boxes object for bounding box outputs
    masks = result.masks  # Masks object for segmentation masks outputs
    keypoints = result.keypoints  # Keypoints object for pose outputs
    probs = result.probs  # Probs object for classification outputs
    obb = result.obb  # Oriented boxes object for OBB outputs
    result.show()  # display to screen
    # result.save(filename="result.jpg")  # save to disk

上面对三张图片进行的测试，可以看到预训练模块可以检测出一些常见的被训练过的物件，无法检测出未被训练过的东西。这就留下了很多可以工作的空间，对于一些特定的需求需要进行特定的训练。

当然即使只是使用已有的模型进行检测，使用时也有很多参数可以用来更细化的设置，使结果更加符合需求。

训练模型

前面演示中使用的预训练的模型可能有很多东西检测不出来，也可能检出的准确率不够高，所以很多特定应用场景下都是需要自己准备数据进行的。使用官方示例代码可以直接进行训练的测试：

from ultralytics import YOLO

if __name__ == "__main__":
    # Load a model
    # model = YOLO("yolo26x.yaml")  # build a new model from YAML
    model = YOLO("yolo26x.pt")  # load a pretrained model (recommended for training)
    # model = YOLO("yolo26x.yaml").load("yolo26x.pt")  # build from YAML and transfer weights
    # Train the model
    results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

上面测试中会去下载 coco8 训练数据，就几张图片和图片对应的标注信息，只是做个训练的示范，如果有自己数据需要训练可以参考这个来准备数据集进行训练。

训练完成后得到的 best.pt 就是训练过程中得到的最佳的模型了，后续就可以拿来使用了。

后记

现在YOLO的入门使用真的是太方便了，但从使用的角度来说几乎不需要深入了解任何东西，直接拿来就能用。