Chapters

📘 Chapter #0　YOLOとは
📘 Chapter #1　環境設定
📘 Chapter #2　アノテーション
📘 Chapter #3
　📗 Chapter #3-1　YOLOv3 Keras版実装
　📗 Chapter #3-2　YOLOv3 Darknet版
📘 Chapter #A
　📗 Chapter #A-1　YOLOの各バージョンについてまとめ
　📗 Chapter #A-2　YOLOv3 Keras版実装に関して関連記事のまとめ
　📗 Chapter #A-3　ONNX変換・確認ライブラリ、アプリケーションまとめ

概要

2023年5月29日時点でのYOLOの各バージョンについてまとめます。誤記等あればご指摘いただけると助かります。

1. YOLOv1
- 発表：2016年5月、著者：Joseph Redmon
2. YOLOv2
- 発表：2017年12月、著者：Joseph Redmon（v1の著者）
3. YOLOv3
- 発表：2018年4月、著者：Joseph Redmon（v1の著者）, Ali Farhadi
4. YOLOv4
- 発表：2020年4月、著者：Alexey Bochkovskiy
5. YOLOv5
- 発表：2020年6月9日、著者：Glenn Jocher（Ultralytics社）
6. YOLOv6
- 発表：2022年6月、著者：Meituan Technical Team
7. YOLOv7
- 発表：2022年7月、著者：Alexey Bochkovskiy（v4の著者）
8. YOLOv8
- 発表：2023年1月、著者：Ultralytics社

内容

1. YOLOv1

1.1. 公式サイト、リポジトリ

公式サイト（Darknet実装）
https://pjreddie.com/darknet/yolov1/

1.2. 概要

2016年5月にJoseph Redmonによって発表された。リアルタイム物体検出（Object Detection）の最大の進化の1つといえる。

1.3. 参考

論文

2. YOLOv2

2.1. 公式サイト、リポジトリ

公式サイト（Darknet実装）
https://pjreddie.com/darknet/yolov2/

2.2. 概要

2017年12月、YOLOv1の作者（Joseph Redmon）が別のバージョンを発表した。

2.3. 参考

論文

3. YOLOv3

3.1. 公式サイト、リポジトリ

公式サイト（Darknet実装）

リポジトリ（Darknet実装）

リポジトリ（keras版実装）

リポジトリ（PyTorch版実装）

YOLOv5 作者 Glenn Jocherによる実装

3.2. 概要

2018年4月にYOLOv1、v2の作者が共著（Joseph Redmon, Ali Farhadi）で発表した。YOLOの最も人気のあるバージョンとなる。（YOLOv1の作者が最後にかかわったバージョンとなるため、一部の人々は、YOLOv3を「最後のYOLO」と考えている。）

また、keras版実装、PyTorch版実装も提案されている。PyTorch版実装は、YOLOv5の作者であるGlenn Jocherが実装している。

3.3. 参考

論文

4. YOLOv4

4.1. 公式サイト、リポジトリ

リポジトリ（Darknet実装）

4.2. 概要

2020年4月、Alexey BochkovskiyがYOLOv4を論文付きで発表した。Joseph Redmon, Ali Farhadiは第一線から下がったため、誰かが引き継ぐ必要があった。Joseph Redmonも実装に費やした仕事量を称賛し、「私がどう思うかは問題ではない」と述べている。

YOLOv5 作者 Glenn Jocherが関与しているモザイクデータの増強などが含まれており、論文では謝辞が述べられている。

YOLOv3と比較しても平均精度が高く、同一の精度なら高いFPSを出すことができる。

出典：https://arxiv.org/pdf/2004.10934.pdf

4.3. 参考

5. YOLOv5

5.1. 公式サイト、リポジトリ

リポジトリ（PyTorch実装）

5.2. 概要

2020年6月9日にGlenn Jocherによりリリースされた。

この実装はいくつかの点で以前とは異なる。まず、公式の論文はまだ発表されていない（今年論文を発表する計画を述べている）。また、PyTorchで実装しており、YOLOv4以前と異なりDarknetを活用していない。

Joseph Redmonが関わっていないことからネーミングについては論争がある。

YOLOv4と同じく、モザイクデータの増強などが含まれているとみられ、効率的で高い精度の学習を行うことができると思われる。

リポジトリによれば、YOLOv4と比較してもより高いFPSで効率的な精度と記載されている。

出典：https://github.com/ultralytics/yolov5

5.3. 参考

LinkedIn: Glenn Jocher
YOLOv5の紹介と導入手順
カスタムデータセットでYOLOv5を訓練する方法
YOLOv5に関する論争への対応

YOLOv4とYOLOv5の比較、ネーミングについての論争などがまとめられている。現在進行中のため、YOLOv4とYOLOv5どちらが優れているのかはまだわからないところがある。

6. YOLOv6

6.1. 公式サイト、リポジトリ

6.2. 概要

2022年6月に公開。Meituan Technical Teamによるもの。

6.3. 参考

2022年6月、新しく「YOLO」の名の付くモデルYOLOv6が公開されました。”YOLOv6″という名前ですが、Ultralytics社の”YOLOv5″からのバージョンアップではなく、Meituan Technical Teamによる異なるアルゴリズムでの開発となっています。YOLOv6のネーミングについてはここにコメントがありました。

引用元：https://farml1.com/yolov6/

What is YOLOv6? A Beginner's Guide.

7. YOLOv7

7.1. 公式サイト、リポジトリ

7.2. 概要

2022年7月に公開。v4の著者が作成。

7.3. 参考

YOLO（You Look Only Once）とは、推論速度が他のモデル（Mask R-CNNやSSD）よりも高速である特徴を持つ物体検出アルゴリズムの一つです。YOLOv7とはYOLOシリーズのバージョン7ということになります。
YOLOシリーズの特徴として、各バージョンによって著者が異なります。実際に、v7はv4の著者が作成しており、v6は違う著者が2022年6月に公開しています。1か月しか経ってない……。
このようにYOLOシリーズは頻繁なバージョンアップを繰り返しており、非常に人気のある物体検出アルゴリズムだといえます。
下図はgithubのREADME.meに乗っている、YOLO各シリーズの比較です。縦軸は精度、横軸は速度を表していています。ご覧の通りYOLOv7はv5と比べると120％高速化していることが分かります。

引用元：https://www.fabrica-com.co.jp/techblog/technology/8332/

What is YOLOv7? A Complete Guide.

8. YOLOv8

8.1. 公式サイト、リポジトリ