YOLO 是目前最快速也是最精準的圖型辨識模型，烏俄戰爭的無人機就是使用此模型。
一開始 YOLO 只是一篇論文，到了 2025 年 進化到了 v12 版本，其歷史如下。
| 版本 | 發布日期 | 主要特點與改進 |
|---|---|---|
| YOLOv1 | 2015 年 | 首次提出單次前向傳播的物體偵測方法 |
| YOLOv2 | 2016 年 | 引入批量正規化和錨框機制，提升準確度 |
| YOLOv3 | 2018 年 | 多尺度偵測和更複雜的骨幹網絡，進一步改善性能 |
| YOLOv4 | 2020 年 | 結合 CSPNet 和其他技術，提升速度和準確度 |
| YOLOv5 | 2020 年 | 由 Ultralytics 開發，提供 PyTorch 支援，易於部署 |
| YOLOv6 | 2022 年 | 針對工業應用進行優化，提升小物體偵測能力 |
| YOLOv7 | 2022 年 | 引入可訓練的 bag-of-freebies，達到新的實時偵測最佳表現 |
| YOLOv8 | 2023 年 | 支援物體偵測、分割、姿勢估計等多任務，提供多種模型變體 |
| YOLOv9 | 2024 年 | 引入 Programmable Gradient Information (PGI) 和 GELAN 架構，提升效率和準確度 |
| YOLOv10 | 2024 年 | 優化模型架構，提升速度和效率，適用於端到端部署 |
| YOLOv11 | 2024 年 | 引入 C3k2、SPPF 和 C2PSA 等新組件，提升特徵提取能力 |
| YOLOv12 | 2025 年 | 最新版本，進一步提升性能和效率 |
安裝
自 v8 開始直接由 pip 安裝 ultralytics 套件即可，不用像 v7 版還要手動下載 github 原始碼那麼麻煩。
但是 ultralytics 會自動安裝無法使用 cuda 的 Pytorch，所以請先安裝可用 cuda 的 Pytorch，然後才安裝 ultralytics。