YOLO 系列
本节定位
YOLO 之所以火，不只是因为它能检测目标，
而是因为它把目标检测做成了更偏工程可用的形式：
- 更快
- 更直接
- 更适合实时场景
所以这节要抓的不是版本号，而是它代表的这条路线：
把检测尽量做成一步到位。
学习目标
- 理解 YOLO 属于哪类检测器
- 理解单阶段检测和两阶段检测的主要差别
- 理解置信度、框筛选和 NMS 的基本作用
- 建立 YOLO 在工程部署里的价值判断
一、YOLO 的核心思路是什么？
1.1 单阶段检测
YOLO 想做的是：
- 不分两步
- 直接从图像一次性输出类别和框
1.2 为什么这很有吸引力？
因为它减少了：
- 额外 proposal 阶段
- 更复杂的检测流水线
所以更容易做到：
- 实时
1.3 一个类比
两阶段检测像先圈可疑区域，再派人逐一核查。
YOLO 更像一眼扫过去，同时报出：
- 哪有目标
- 是什么
二、YOLO 的输出大致长什么样？
通常可以粗略理解成一组候选框，每个候选都带：
- 类别
- 置信度
- 边界框坐标
后面再通过筛选和 NMS，得到最终结果。
三、先跑一个最小 NMS 直觉示例
def iou(box_a, box_b):
ax1, ay1, ax2, ay2 = box_a
bx1, by1, bx2, by2 = box_b
inter_x1 = max(ax1, bx1)
inter_y1 = max(ay1, by1)
inter_x2 = min(ax2, bx2)
inter_y2 = min(ay2, by2)
inter_w = max(0, inter_x2 - inter_x1)
inter_h = max(0, inter_y2 - inter_y1)
inter_area = inter_w * inter_h
area_a = (ax2 - ax1) * (ay2 - ay1)
area_b = (bx2 - bx1) * (by2 - by1)
union = area_a + area_b - inter_area
return inter_area / union if union > 0 else 0.0
predictions = [
{"box": (10, 10, 30, 30), "score": 0.95},
{"box": (12, 12, 31, 31), "score": 0.88},
{"box": (60, 60, 90, 90), "score": 0.91},
]
def nms(preds, iou_threshold=0.5):
preds = sorted(preds, key=lambda x: x["score"], reverse=True)
kept = []
while preds:
best = preds.pop(0)
kept.append(best)
preds = [
pred for pred in preds
if iou(best["box"], pred["box"]) < iou_threshold
]
return kept
print(nms(predictions))
3.1 这个例子最关键的价值是什么？
它说明检测输出并不是直接就能用。
很多时候模型会给出：
- 一堆重叠候选框
而 NMS 的作用就是：
- 保留最有代表性的那几个
3.2 为什么这对 YOLO 特别重要？
因为 YOLO 这种单阶段路线天然会产生很多候选，
后处理筛选就是整个检测链的一部分。
四、为什么 YOLO 在工程上这么受欢迎？
4.1 实时性强
很多场景直接要求：
- 摄像头实时检测
- 边缘设备快速响应
YOLO 这类路线很适合这种需求。
4.2 结构相对统一
对很多工程同学来说，它比复杂多阶段管线更容易落地。
4.3 社区和工程生态成熟
这让它在真实项目里更常被优先尝试。
五、最容易踩的坑
5.1 误区一：YOLO 就等于目标检测
YOLO 是重要路线，但不是全部。
5.2 误区二：速度快就一定最适合
还要看：
- 小目标表现
- 框定位质量
- 部署约束
5.3 误区三：后处理不重要
NMS、阈值设置这些后处理会直接影响最终体验。
小结
这节最重要的是建立一个工程判断：
YOLO 代表的是单阶段、实时友好的检测路线，它之所以广泛流行，不只是因为“能检测”，而是因为“更容易在工程里快速检测”。
练习
- 调整示例里的
iou_threshold，看看保留框数如何变化。 - 用自己的话解释：为什么单阶段检测更容易做到实时？
- 为什么 NMS 对检测任务很重要？
- 想一想：什么时候你可能不会优先选 YOLO？