YOLO 与目标检测

这个模块回答一个核心问题：模型怎样在图片中找出物体，并给出类别和位置？

本模块重点

• 图像张量与 CNN 回顾
• 分类、定位、检测、实例分割、语义分割的区别
• bounding box
• IoU
• NMS 与 NMS-free 检测
• precision、recall、AP、mAP
• YOLO 的一次性检测思想
• backbone、neck、head
• YOLO 版本演进：v1、v3、v5、v8、v10、YOLO11、YOLO26
• YOLO26：端到端 NMS-free、边缘部署、多任务
• 开放词汇检测：YOLO-World、YOLOE
• 邻近模型：RT-DETR、SAM、SAM 3
• 预训练 YOLO 推理
• 可选：小数据集微调、ONNX/TensorRT/OpenVINO/CoreML/TFLite 导出

暂定课程

1. 目标检测和图像分类有什么不同
2. bounding box 与坐标表示
3. IoU：两个框有多接近
4. NMS 与 NMS-free：重复框怎样处理
5. AP/mAP：目标检测怎样评估
6. YOLO 的核心思想
7. YOLO 的 backbone、neck、head
8. YOLO 版本演进与 YOLO26
9. 使用预训练 YOLO26/YOLO11 做图片检测
10. 开放词汇检测：YOLO-World、YOLOE
11. RT-DETR、SAM、SAM 3 与 YOLO 的关系
12. 模型导出与边缘部署入口