YOLO 家族实战：YOLOv5 到 2026 年最新实时检测

📂 所属阶段：第三阶段 — 核心视觉任务（进阶篇）
🔗 相关章节：目标检测理论 · 语义分割 (Semantic Segmentation)

1. YOLO 简介

YOLO = You Only Look Once

特点：
- 实时检测（30+ FPS）
- 端到端训练
- 全局上下文理解

演进：
- YOLOv1 (2015)：首次提出
- YOLOv3 (2018)：多尺度检测
- YOLOv5 (2020)：性能和速度平衡
- YOLOv8 (2023)：最新版本

2. YOLOv5 使用

# 安装
pip install yolov5

# 下载预训练模型
python -m yolov5 detect --weights yolov5s.pt --source image.jpg

3. Python 调用

import torch
import yolov5

# 加载模型
model = yolov5.load('yolov5s.pt')

# 推理
results = model('image.jpg')

# 显示结果
results.show()

# 获取检测结果
for *box, conf, cls in results.xyxy[0]:
    print(f"类别: {int(cls)}, 置信度: {conf:.2f}, 框: {box}")

4. 自定义训练

import yolov5

# 加载模型
model = yolov5.load('yolov5s.pt')

# 训练
results = model.train(
    data='data.yaml',
    epochs=100,
    imgsz=640,
    batch_size=16,
    device=0,
)

5. 小结

YOLO 使用流程：

1. 加载预训练模型
2. 推理（检测）
3. 自定义训练（可选）

优势：
- 开箱即用
- 实时性能
- 易于部署

2026 年推荐：
- 快速原型：YOLOv8
- 边缘设备：YOLOv5n（纳米版）
- 高精度：YOLOv8x（大版本）

💡 记住：YOLO 是工业界最常用的目标检测框架。学会用它，你就掌握了 80% 的检测应用。

🔗 扩展阅读