YOLO 目前發展的時間軸

 

YOLOv1： 最早的版本，奠定了YOLO系列的基礎。

YOLOv2： 引入批次正規化、錨框和尺寸聚類等技術，提升了模型的性能。

YOLOv3： 採用更有效的骨幹網路、多尺度特徵融合等方法，進一步增強了模型的表現。

YOLOv4： 引入Mosaic資料增強、無錨框偵測頭、新的損失函數等創新，大幅提升了模型的準確度。

YOLOv5： 優化了超參數，整合實驗追蹤和自動匯出功能，使其更易於使用。

YOLOv6： 由美團開放原始碼，並應用於其許多自動配送機器人中。

YOLOv7： 新增了人體姿態估計等任務。

YOLOv8： 由Ultralytics推出，支援更廣泛的視覺AI任務，性能更佳。

YOLOv9： 引入可程式化梯度資訊（PGI）和通用高效層聚合網路（GELAN）等創新方法。

YOLOv10： 由清華大學研究人員開發，採用端到端偵測頭，無需非極大值抑制（NMS）。

YOLOv11： Ultralytics最新的版本，在多種任務上取得了最先進的性能

Ps: 

    >> V4,V7,V9 於技術上有改進突破 提高準確率和速度 台灣中研院發表 

    >> V5, V8,V11 為 Ultralytics推出改進版本 無核心技術貢獻 但改進使用介面使YOLO容易使用 

         可以用 Pytorch 工具編譯 集多個類模型可適合各種平台使用