目标检测和 Ultralytics YOLO 模型的演变

Computer vision 是人工智能（AI）的一个子领域，专注于教导机器观察并理解图像和视频，类似于人类感知现实世界的方式。虽然识别物体或辨别动作对人类来说是轻而易举的事，但对机器而言，这些任务需要特定且专门的计算机视觉技术。例如，计算机视觉中的一项关键任务是目标检测，它涉及在图像或视频中识别并定位物体。

自 20世纪 60年代以来，研究人员一直在致力于改进计算机检测物体的方式。早期的方法，如模板匹配，涉及在图像上滑动预定义的模板来寻找匹配项。尽管这些方法具有创新性，但它们在应对物体大小、方向以及光照变化时显得力不从心。如今，我们拥有像Ultralytics YOLO11这样的先进模型，它们能够以令人印象深刻的准确率检测出甚至很小且部分隐藏的物体（即被遮挡的物体）。

随着计算机视觉不断发展，回顾这些技术的发展历程至关重要。在本文中，我们将探讨目标检测的演变，并重点介绍YOLO (You Only Look Once) 模型的变革。我们开始吧！

计算机视觉的起源#

在深入探讨目标检测之前，让我们先来看看计算机视觉是如何起步的。计算机视觉的起源可以追溯到 20世纪 50年代末和 60年代初，当时科学家们开始探索大脑如何处理视觉信息。在对猫的实验中，研究人员 David Hubel 和 Torsten Wiesel 发现大脑会对边缘和线条等简单模式做出反应。这为特征提取的思想奠定了基础，即视觉系统在处理更复杂的模式之前，先检测和识别图像中的基本特征（如边缘）的概念。

图 1. 了解猫的大脑对光条的反应有助于开发计算机视觉中的特征提取。

大约在同一时期，出现了能够将实体图像转换为数字格式的新技术，这引发了人们对机器如何处理视觉信息的兴趣。1966年，麻省理工学院（MIT）的夏季视觉项目（Summer Vision Project）将这一领域推向了更远。虽然该项目并未完全成功，但它旨在创建一个能够将图像中的前景与背景分离的系统。对于视觉 AI 社区中的许多人来说，该项目标志着计算机视觉作为一个科学领域的正式诞生。

了解物体检测的历史#

随着计算机视觉在 20世纪 90年代末和 21世纪初的推进，目标检测方法从模板匹配等基础技术转向了更先进的方法。其中一种流行的方法是 Haar 级联（Haar Cascade），它被广泛用于人脸检测等任务。它的工作原理是使用滑动窗口扫描图像，检查图像各个部分中的边缘或纹理等特定特征，然后将这些特征组合起来以检测物体（如人脸）。Haar 级联比以往的方法快得多。

图 2. 使用 Haar 级联进行人脸检测。

与此同时，方向梯度直方图（HOG）和支持向量机（SVM）等方法也被引入。HOG 使用滑动窗口技术来分析图像小部分中光影的变化，从而根据物体的形状帮助识别物体。然后，SVM 对这些特征进行分类以确定物体的身份。这些方法提高了准确率，但在真实世界环境中仍然很吃力，且与当今的技术相比速度较慢。

对实时物体检测的需求#

在 21世纪 10年代，深度学习和卷积神经网络 (CNN)的兴起带来了目标检测的重大变革。CNN 使计算机能够从大量数据中自动学习重要特征，从而使检测准确率大大提高。

诸如R-CNN (Region-based Convolutional Neural Networks)之类的早期模型在精度上取得了巨大进步，有助于比旧方法更准确地识别物体。

然而，这些模型速度较慢，因为它们分多个阶段处理图像，这使得它们在自动驾驶汽车或视频监控等领域的实时应用中不切实际。

为了加快速度，人们开发了更高效的模型。诸如 Fast R-CNN 和 Faster R-CNN 等模型通过精简兴趣区域的选择方式并减少检测所需的步骤数，提供了帮助。虽然这使目标检测变得更快，但对于许多需要即时结果的真实世界应用来说，它仍然不够快。对实时检测不断增长的需求推动了更快、更高效解决方案的开发，这些方案能够在速度和准确率之间取得平衡。

图 3. 比较 R-CNN、Fast R-CNN 和 Faster R-CNN 的速度。

YOLO (You Only Look Once) 模型：一个重要的里程碑#

YOLO 是一种目标检测模型，它通过实现图像和视频中多个物体的实时检测重新定义了计算机视觉，使其与以往的检测方法相当独特。YOLO 的架构没有单独分析每个检测到的物体，而是将目标检测视为一项单一任务，使用 CNN 一次性预测物体的位置和类别。

该模型的工作原理是将图像划分为网格，每个部分负责检测其各自区域内的物体。它对每个部分进行多个预测，并过滤掉置信度较低的结果，只保留准确的结果。

图 4. YOLO 工作原理概述。

将 YOLO 引入计算机视觉应用使得目标检测比早期模型更快、更高效。由于其速度和准确率，YOLO 迅速成为制造业、医疗保健和机器人等行业实时解决方案的热门选择。

另一个值得注意的重要点是，由于 YOLO 是开源的，开发人员和研究人员能够不断改进它，从而产生了更先进的版本。

从 YOLO 到 Ultralytics YOLO11 的发展之路#

YOLO 模型随着时间的推移不断稳步改进，并在此基础上不断发展。除了性能提升外，这些改进还使得不同技术水平的用户更容易使用这些模型。

例如，当Ultralytics YOLOv5推出时，模型部署通过PyTorch变得更加简单，使更广泛的用户能够使用先进的 AI。它将准确率和易用性结合在一起，让更多人无需成为编程专家就能实现目标检测。

图 5. YOLO 模型的演进。

Ultralytics YOLOv8 通过增加对实例分割等任务的支持并使模型更具灵活性，延续了这一进展。使用 YOLO 进行基础和更复杂的应用变得更加容易，使其在各种场景中都非常有用。

凭借最新模型Ultralytics YOLO11，进一步进行了优化。通过在提高准确率的同时减少参数数量，它对于实时任务变得更加高效。无论你是经验丰富的开发者还是 AI 新手，YOLO11 都提供了一种易于访问的先进目标检测方法。

了解 Ultralytics YOLO11：新功能与改进#

YOLO11 在 Ultralytics 的年度混合活动YOLO Vision 2024 (YV24)上发布，它支持与 YOLOv8 相同的计算机视觉任务，例如目标检测、实例分割、图像分类和姿态估计。因此，用户可以轻松切换到这个新模型，而无需调整工作流。此外，YOLO11 升级后的架构使预测更加精准。事实上，与 YOLOv8m 相比，YOLO11m 在COCO 数据集上以少 22% 的参数实现了更高的平均精度均值 (mAP)。

YOLO11 还经过专门设计，能够在从智能手机和其他边缘设备到功能更强大的云系统的一系列平台上高效运行。这种灵活性确保了实时应用在不同硬件设置下的流畅性能。最重要的是，YOLO11 更快、更高效，降低了计算成本并加快了推理时间。无论你使用的是Ultralytics Python 软件包还是无代码 Ultralytics HUB，都可以轻松将 YOLO11 集成到你现有的工作流中。

YOLO 模型与物体检测的未来#

先进目标检测对实时应用和边缘 AI 的影响已经在各行各业中显现。随着石油和天然气、医疗保健以及零售等行业越来越依赖 AI，对快速且精确的目标检测的需求仍在持续增长。Ultralytics YOLO11 旨在通过在计算能力受限的设备上实现高性能检测来满足这一需求。

随着边缘 AI 的发展，像 Ultralytics YOLO11 这样的目标检测模型可能会变得更加重要，用于在速度和准确性至关重要的环境中进行实时决策。随着设计和适应性的持续改进，目标检测的未来有望在各种应用中带来更多创新。

关键要点#

目标检测已经走过了漫长的道路，从简单的方法演变为我们今天看到的先进深度学习技术。YOLO 模型一直是这一进步的核心，在不同行业中实现了更快、更准确的实时检测。Ultralytics YOLO11 继承了这一传统，提高了效率，降低了计算成本，并增强了准确性，使其成为各种实时应用的可靠选择。随着 AI 和计算机视觉的不断发展，目标检测的未来一片光明，在速度、精度和适应性方面还有更多提升空间。

对 AI 感兴趣？保持与我们社区的联系以持续学习！查看我们的 GitHub 仓库，了解我们如何利用 AI 在制造和医疗保健等行业创造创新解决方案。🚀