核心要点
YOLO 是单阶段检测器：一次前向把图像划网格，直接回归框与类别，速度快
v2 引入 anchor box、Batch Norm、高分辨率微调，提升召回与精度
v3 用多尺度特征（FPN 思想）检测大中小目标，小目标更准
v4/v5 偏工程优化（数据增强、训练技巧、部署），后续转向 anchor-free 与 transformer
标准回答
单阶段范式
YOLO（You Only Look Once）把检测当作单次回归：将图像划分为网格，每个网格直接预测边界框、置信度和类别，相比 R-CNN 系两阶段方法省去候选框生成，实现实时检测。
关键演进
- v1：网格直接回归框与类别，快但定位粗、对小目标和密集目标弱。
- v2（YOLO9000）：引入 anchor box、Batch Norm、更高输入分辨率与维度聚类，召回与精度提升。
- v3：采用多尺度预测（类 FPN），在三种尺度特征图上检测，显著改善大中小目标尤其小目标。
- v4 / v5：以工程化为主——丰富数据增强（Mosaic 等）、训练技巧、更强 backbone 与易用部署。
- 后续（v6/v7/v8 等）：转向 anchor-free、解耦头，并引入 transformer 思想与端到端方案。
整体主线是：在保持实时的前提下，不断提升精度、对多尺度与小目标的适应性以及工程可用性。详见 目标检测：从 R-CNN 到 YOLO。
常见误区
⚠️ 常见踩坑
YOLO 是单阶段而非两阶段；anchor 是 v2 才引入、并非 v1 就有；后期版本逐步走向 anchor-free，别一概而论说 YOLO 都用 anchor。
追问
追问 1：单阶段（YOLO）和两阶段（Faster R-CNN）检测器怎么权衡？
两阶段先生成候选区域再分类回归，精度（尤其小目标/复杂场景）通常更高但慢；单阶段一次回归，速度快、适合实时与边缘部署，早期精度略逊，但随多尺度、anchor-free 等改进差距已大幅缩小。选型按实时性与精度需求权衡。
追问 2：anchor-free 相比 anchor-based 有什么好处？
anchor-based 需预设大量先验框，引入尺度/比例超参、正负样本不均衡和后处理复杂度；anchor-free 直接预测关键点或中心点+尺寸，减少超参与人工设计，简化流程、利于端到端，对尺度变化也更灵活，是近年 YOLO 与新检测器的趋势。
延伸学习
与本题相关的知识库文章、术语、工具与行业资讯。