Ultralytics YOLO 演进：YOLO26、YOLO11、YOLOv8 和 YOLOv5 目标检测器在计算机视觉与模式识别中的概述

作者： Ranjan Sapkota, Manoj Karkee
单位： 康奈尔大学生物与环境工程系，纽约州伊萨卡市，14850，美国
日期： 2025年10月16日

摘要

本文全面概述了 Ultralytics YOLO 系列目标检测器，重点介绍架构演进、基准测试、部署视角和未来挑战。本综述从最新发布的 YOLO26（或 YOLOv26）开始，该版本引入了多项关键创新：移除分布焦点损失（DFL）、原生无NMS推理、渐进损失平衡（ProgLoss）、小目标感知标签分配（STAL）以及用于稳定训练的 MuSGD 优化器。随后追溯演进历程：YOLO11 采用混合任务分配和效率导向模块；YOLOv8 以解耦检测头和无锚框预测实现进步；YOLOv5 则奠定了模块化 PyTorch 基础，使现代 YOLO 开发成为可能。在 MS COCO 数据集上的基准测试提供了 YOLOv5、YOLOv8、YOLO11 和 YOLO26 的详细定量比较，以及与 YOLOv12、YOLOv13、RT-DETR 和 DEIM 的交叉对比。分析了包括精确率、召回率、F1分数、平均精度均值和推理速度在内的指标，以突出精度与效率之间的权衡。进一步讨论了部署和应用视角，涵盖导出格式、量化策略以及在机器人、农业、监控和制造业中的实际应用。最后，论文识别了挑战和未来方向，包括密集场景限制、混合 CNN-Transformer 集成、开放词汇检测和边缘感知训练。

关键词： YOLO · Ultralytics · YOLOv5 · YOLOv8 · YOLO11 · YOLO26 · You Only Look Once

1 引言

目标检测已成为计算机视觉中最关键的任务之一，使机器不仅能够识别，还能在复杂图像或视频流中定位多个目标[1,2]。其重要性涵盖广泛的领域，包括自动驾驶、机器人、监控、医学成像、农业和智能制造，在这些领域中，可靠的实时性能直接关系到安全性、效率和自动化收益[3,4]。在过去十年提出的众多算法中，YOLO（You Only Look Once，你只看一次）系列已成为最具影响力和最广泛采用的实时目标检测模型系列，在高精度和前所未有的推理速度之间取得了平衡[5]。自2016年首次发布以来，YOLO 经历了多次架构修订，每次迭代都解决了前代的特定限制，同时融入了神经网络设计、训练策略、损失函数和部署效率方面的进展[5]。YOLO 的累积演进如图1所示，该图追溯了从早期 Ultralytics 版本（如 YOLOv5）到最新 YOLO26（2025年）的转变，后者是第一个原生统一五项关键任务的版本：目标检测、实例分割、分类、姿态/关键点检测和定向边界框检测。该时间线展示了 YOLO 如何稳步扩展其检测之外的能力，成为一个适用于研究和边缘部署的多功能多任务视觉框架。

2025年9月发布的 YOLO26 代表了这一演进轨迹的最新里程碑。YOLO26 围绕简洁、高效和创新的原则设计，引入了架构简化，消除了非极大值抑制（NMS）和分布焦点损失（DFL）等瓶颈，采用新颖的 MuSGD 优化器实现稳定收敛，并纳入了渐进损失平衡（ProgLoss）和小目标感知标签分配（STAL）等训练改进[6]。这些创新共同确立了 YOLO26 作为针对低功耗和嵌入式设备优化的尖端模型，在不牺牲准确性的情况下显著提高了实际部署能力。

为了将 YOLO26 置于更广泛的生态系统中，我们首先回顾 Redmon 等人（2016年）开创的范式转变，他们将检测重新定义为单个回归问题，放弃区域提议，转而支持边界框和类别概率的直接一次性预测[7]。与将提议生成和分类解耦的两阶段流程（如 R-CNN 和 Faster R-CNN）[8,9]相比，YOLO 设计实现了实时吞吐量，同时保持了具有竞争力的准确性，使 YOLOv1 对包括机器人和自主导航在内的延迟关键领域具有吸引力[10,11]。随后快速迭代：YOLOv2（2017年）引入了批归一化、锚框和多尺度训练以增强跨目标尺度的鲁棒性[12]；YOLOv3（2018年）加深了骨干网络（Darknet-53）并利用多尺度特征图，建立了学术界和工业界广泛采用的基线[13,14,5,15]。

随着航空成像、农业和医学分析等领域对准确性需求的增长，架构变得多样化。YOLOv4（2020年）整合了 CSPNet、改进的激活函数和高级训练策略（如马赛克增强、CIoU）[16]。Ultralytics 的 YOLOv5（2020年）普及了原生 PyTorch 模块化工具链，便于适应分割、分类和边缘部署。随后的社区版本（YOLOv6、YOLOv7）集成了参数高效模块和受 Transformer 启发的模块，在保持实时推理的同时推动准确性提升[17,18]。Ultralytics 随后使用 YOLOv8（解耦头、无锚框预测）[19,20]、YOLOv9（GELAN、渐进蒸馏）[21]、YOLOv10（延迟平衡分配）[22] 和 YOLO11（效率与强小目标性能）[5] 重新架构了技术栈。并行的非 Ultralytics 系列 YOLOv12 和 YOLOv13 追求以注意力为中心的设计（多头自注意力、改进融合、更强正则化），但仍依赖 NMS 和 DFL，在低功耗设备上造成延迟和导出摩擦[23,24]。

针对这些瓶颈，YOLO26 推进了部署优先的理念：它移除 DFL，采用端到端（无NMS）推理，并引入 ProgLoss 和 STAL 以实现稳定性和小目标保真度，同时通过 MuSGD 加速训练。图1总结了这一轨迹，并明确了 YOLO26 作为第一个原生统一目标检测、实例分割、分类、姿态/关键点检测和定向边界框的 Ultralytics 版本。

本文旨在提供对 Ultralytics 如何将 YOLO 系列塑造成当前形态（ culminating in YOLO26）的整合理解。通过系统比较这四个里程碑版本，本综述不仅强调了架构创新，还背景化了性能权衡、基准测试结果和部署就绪性。在此过程中，它阐述了 YOLO 从快速但有限的检测器发展为多功能、多任务、边缘优化框架的更广泛叙述，该框架继续在研究和工业领域为实时目标检测设定标准。

2 Ultralytics YOLO 模型的架构演进

为了提供精确的时间顺序和架构背景，我们将 Ultralytics 维护的版本与社区驱动的变体分开。表1列出了 Ultralytics 系列 YOLOv5（2020年）、YOLOv8（2023年）、YOLO11（2024年）和 YOLO26（2025年），突出单一供应商家族内的设计选择、能力和部署特征。相比之下，表2调查了独立于 Ultralytics 的主要社区驱动版本，包括 YOLOv1（2015年）、YOLOv2（2016年）、YOLOv3（2018年）、YOLOv4（2020年）、YOLOv6（2022年）、YOLOv7（2022年）、YOLOv9（2024年）和 YOLOv10（2024年），以及其他当代变体。这些表格共同呈现了架构创新、任务扩展和性能趋势的年表视图，阐明了该框架如何成熟到 YOLO26 所代表的状态（表1和表2）。

表1：Ultralytics YOLO 模型：关键架构创新、任务和框架

表格