YOLO（You Only Look Once）系列是当前工业界和学术界应用最广泛的目标检测算法之一。其核心思想是将目标检测任务转化为一个端到端的回归问题，在单个神经网络中同时预测边界框和类别概率。本文从零开始，系统讲解YOLO的演进历程、核心原理，并提供一个从数据准备、模型训练到推理部署的完整可运行案例。所有代码均基于Python和PyTorch实现，附带详细注释，确保读者能够直接复现并理解每个技术细节。YOLO系列从v1到v8，逐步解决了小目标检测、多尺度融合、正负样本不平衡等关键问题。本文以YOLOv5为蓝本（因其代码结构清晰、生态成熟），但原理适用于整个系列。核心原理1. 目标检测范式传统检测方法（如R-CNN系列）采用“候选区域+分类”的两阶段策略：先生成可能包含物体的区域（Region Proposal），再对每个区域进行分类和回归。YOLO将其简化为单阶段：将输入图像划分为S×S的网格，每个网格负责预测B个边界框和C个类别概率。2. 网络结构YOLOv5采用CSPDarknet53作为主干网络（Backbone），通过Focus层（将宽高信息压缩到通道维度）和CSP结构（跨阶段局部网络）减少计算量。Neck部分使用FPN+PAN结构实现多尺度特征融合。Head部分输出三个尺度的特征图，分别对应大、中、小目标。3. 损失函数YOLOv5的损失由三部分组成：分类损失：使用二元交叉熵（BCE），每个锚框独立预测类别。