摘要

YOLO（You Only Look Once）是一种基于回归的单阶段目标检测算法，以其极快的推理速度和良好的检测精度在工业界广泛应用。本文从零开始，系统讲解YOLOv5的核心原理、训练流程与部署方法。通过一个完整的车辆检测案例，覆盖数据准备、模型训练、推理优化、模型导出等全链路环节。所有代码均可直接运行，并附带详细注释与避坑指南。阅读本文后，读者能够独立完成一个YOLO检测项目的完整落地。

核心原理

1. 单阶段检测思想

YOLO将目标检测视为回归问题，输入一张图片，直接输出边界框坐标、类别概率和置信度。与Faster R-CNN等两阶段方法相比，YOLO省去了区域提议网络，因此速度极快。

2. 网格划分与锚点

YOLOv5将输入图片划分为S×S个网格。每个网格负责检测中心点落在该网格内的目标。每个网格预置3个不同长宽比的锚点框（anchor box），模型预测的是相对于锚点框的偏移量。

3. 输出张量结构

以输入640×640、类别数C为例，输出张量形状为：

• 80×80×（5 + C）× 3 （小目标检测层）
• 40×40×（5 + C）× 3 （中目标检测层）
• 20×20×（5 + C）× 3 （大目标检测层）

其中5代表：tx, ty, tw, th, objectness（目标置信度）。C为每个类别的条件概率。