{"id":40871800,"url":"https://github.com/datawhalechina/yolo-master","last_synced_at":"2026-01-22T00:41:07.715Z","repository":{"id":270109774,"uuid":"909230030","full_name":"datawhalechina/yolo-master","owner":"datawhalechina","description":"yolo master 本课程主要对yolo系列模型进行介绍，包括各版本模型的结构，进行的改进等，旨在帮助学习者们可以了解和掌握主要yolo模型的发展脉络，以期在各自的应用领域可以进一步创新并在自己的任务上达到较好的效果。","archived":false,"fork":false,"pushed_at":"2025-06-16T13:18:53.000Z","size":115155,"stargazers_count":138,"open_issues_count":0,"forks_count":24,"subscribers_count":2,"default_branch":"main","last_synced_at":"2025-06-16T14:40:54.768Z","etag":null,"topics":["datawhale","pytorch","scratch","tutorial","ultralytics","yolo","yolo11","yolov5","yolov8"],"latest_commit_sha":null,"homepage":"https://sxwqtaijh4.feishu.cn/docx/WNLJdo0wxoFPuExt6rbcvB8MnPg?from=from_copylink","language":null,"has_issues":true,"has_wiki":null,"has_pages":null,"mirror_url":null,"source_name":null,"license":null,"status":null,"scm":"git","pull_requests_enabled":true,"icon_url":"https://github.com/datawhalechina.png","metadata":{"files":{"readme":"README.md","changelog":null,"contributing":null,"funding":null,"license":null,"code_of_conduct":null,"threat_model":null,"audit":null,"citation":null,"codeowners":null,"security":null,"support":null,"governance":null,"roadmap":null,"authors":null,"dei":null,"publiccode":null,"codemeta":null,"zenodo":null}},"created_at":"2024-12-28T04:50:46.000Z","updated_at":"2025-06-16T14:40:19.000Z","dependencies_parsed_at":"2025-06-16T14:35:50.993Z","dependency_job_id":null,"html_url":"https://github.com/datawhalechina/yolo-master","commit_stats":null,"previous_names":["chg0901/yolo_master","chg0901/yolo-master","datawhalechina/yolo-master"],"tags_count":0,"template":false,"template_full_name":"datawhalechina/repo-template","purl":"pkg:github/datawhalechina/yolo-master","repository_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/datawhalechina%2Fyolo-master","tags_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/datawhalechina%2Fyolo-master/tags","releases_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/datawhalechina%2Fyolo-master/releases","manifests_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/datawhalechina%2Fyolo-master/manifests","owner_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners/datawhalechina","download_url":"https://codeload.github.com/datawhalechina/yolo-master/tar.gz/refs/heads/main","sbom_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/datawhalechina%2Fyolo-master/sbom","scorecard":null,"host":{"name":"GitHub","url":"https://github.com","kind":"github","repositories_count":286080680,"owners_count":28648460,"icon_url":"https://github.com/github.png","version":null,"created_at":"2022-05-30T11:31:42.601Z","updated_at":"2026-01-21T21:29:11.980Z","status":"ssl_error","status_checked_at":"2026-01-21T21:24:31.872Z","response_time":86,"last_error":"SSL_connect returned=1 errno=0 peeraddr=140.82.121.5:443 state=error: unexpected eof while reading","robots_txt_status":"success","robots_txt_updated_at":"2025-07-24T06:49:26.215Z","robots_txt_url":"https://github.com/robots.txt","online":false,"can_crawl_api":true,"host_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub","repositories_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories","repository_names_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repository_names","owners_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners"}},"keywords":["datawhale","pytorch","scratch","tutorial","ultralytics","yolo","yolo11","yolov5","yolov8"],"created_at":"2026-01-22T00:41:07.148Z","updated_at":"2026-01-22T00:41:07.710Z","avatar_url":"https://github.com/datawhalechina.png","language":null,"funding_links":[],"categories":[],"sub_categories":[],"readme":"# YOLO Master\n\n## 项目简介\n\n- 本项目主要对YOLO系列模型进行介绍，包括各版本模型的结构，进行的创新、优化、改进等\n- 本课程内容，在传统的DL课程中，大致位于计算机视觉模型里的经典CV模型ResNet等之后，Transformer 等Squential Models 之前的位置\n- 本课程旨在帮助学习者们可以了解和掌握主要YOLO系列模型的发展脉络，以期在各自的应用领域可以进一步创新并在自己的任务上达到较好的效果。\n- [**飞书白皮书规划文档**](https://sxwqtaijh4.feishu.cn/docx/WNLJdo0wxoFPuExt6rbcvB8MnPg) / [**内测文档**](https://wvet00aj34c.feishu.cn/docx/FwivdWGqMoYQPSxMotMcYVIrnOh)\n\n## 项目受众\n\n- 本课程面向有一定的**机器学习基础**的，上过**Deep Learning**和**计算机图形学课程**的学生、工程师或者研究者\n- 应用领域为基于YOLO的**目标检测**、**图像分类**、**图像分割**、**姿态检测**和**目标跟踪**(如 **[ultralytics 实操](./docs/Hands_on_YoLo_with_ultralytics)** )\n- 期待**手动实现YOLO算法（[From Scratch](./docs/Pytorch_YoLo_From_Scratch)）** 的学习者，将**YOLO系列模型应用到所在领域数据或者提高表现（[Hacking](./docs/Hacking_YoLo)）** 的工程师，研究者\n\n## 目录\n\n### 第一部分 YOLO 全系列模型详解 ###\n\n1. [YOLOv1详解](https://wvet00aj34c.feishu.cn/docx/U8STd5txXod1R5xhrrmcZh9fnTf) @刘伟鸿\n2. [YOLOv2详解](https://wvet00aj34c.feishu.cn/docx/OHEhdwqXYoe8LIxwkRWcG0FLnnf) @蔡鋆捷\n3. [YOLOv3详解](https://wvet00aj34c.feishu.cn/docx/U1e2dVfN3oFMUcxqkTWcNrNEnHr) @蔡鋆捷 @程宏\n4. [YOLOv4详解](https://wvet00aj34c.feishu.cn/docx/IqGJdDvXsoNIGBxLsEWcGQGNnng) @蔡鋆捷 @胥佳程\n5. [YOLOv5详解](https://wvet00aj34c.feishu.cn/docx/CltUdiVfMoaSkXxGaTvcpAyWnWh) @蔡鋆捷\n6. [YOLOv6详解](https://wvet00aj34c.feishu.cn/docx/Clvbd8PDAoLD4Jx1Asdc6Afon0d) @陈国威\n7. [YOLOv7详解](https://wvet00aj34c.feishu.cn/docx/K5eCdF7fSohwvfxVpeIcF0ZLnK9) @蔡鋆捷\n8. [YOLOv8详解](https://ycnosmsebbdf.feishu.cn/docx/EqtRdOuy2oPnAkxkIE6cNhBsnwc) @蔡鋆捷 @程宏\n9. [YOLOv9详解](https://sxwqtaijh4.feishu.cn/docx/FRJ6dPhALoqyC7xhVP6cwgSVn4e) @陈国威\n10. [YOLOv10详解](https://wvet00aj34c.feishu.cn/docx/VagAdssMbo7a3exoagOcXr8BnAh) @陈国威 @李欣桓\n11. [YOLO11详解](https://wvet00aj34c.feishu.cn/docx/ZUQ9d4LnmoYjv3xlBFTcprctnMg) @彭彩平\n12. [YOLOX详解](https://wvet00aj34c.feishu.cn/docx/RCtddoe1joep4HxpmAPcYYBgnNc) @全政宇\n13. [YOLOV12详解](https://wvet00aj34c.feishu.cn/docx/WrBydq19boEHN7xhp7pcLxd7n6f) @程宏 @张辉\n\n### 第二部分 YOLO 全系列教程 ###\n\n1. YOLO Master--学习YOLO的正确姿势：从入门到\"真香\"的奇妙之旅  [教程文档](https://wvet00aj34c.feishu.cn/docx/U7YndF6zOo9Oi0xywBxcDvl7nNe)  @林涛 @程宏\n2. 鸟瞰YOLO系列模型：YOLOv1-v11概述汇总与发布时间线  [教程文档](https://sxwqtaijh4.feishu.cn/docx/Yc40ddMGIo7nOyxSXVZc6KztnYd) @程宏 @彭彩平 @ 张小白\n3. YOLO系列算法的基本原理与网络结构  [教程文档](https://wvet00aj34c.feishu.cn/docx/MKUhdQ9CmoIcR2x2TXrcBfY5ndh) @彭彩平 @程宏 @胡博毓\n   1. YOLO系列模型算法中的LOSS [教程文档](https://wvet00aj34c.feishu.cn/docx/TGrYd5ttHonbzFxs1dgckacHnpb)  @谭斐然 @程宏 \n   2. YOLO系列算法原理之IoU总结  [教程文档](https://wvet00aj34c.feishu.cn/docx/UUj2dE5aJoAMRixH9bIc7yxin7e)  @彭彩平 \n   3. YOLO系列算法原理之典型网络模块（细节总结篇）  [教程文档](https://wvet00aj34c.feishu.cn/docx/MKUhdQ9CmoIcR2x2TXrcBfY5ndh)  @彭彩平  \n4. YOLO系列算法实操教程  @程宏 @余霆嵩 @刘伟鸿 @李欣桓 @谭斐然\n   1. YOLO系列之如何阅读ultralytics源码？ [教程文档](https://wvet00aj34c.feishu.cn/docx/K4d9d9B5KoaSPjxwOjXceBwKnih) \n   2. YOLO系列算法入门教程  [教程文档](https://wvet00aj34c.feishu.cn/docx/Ojcfd0ZF5olk4Yxwt9ZcjgSenUD) / [教程代码](./docs/Hands_on_YoLo_with_ultralytics/0-dog-breed-detection)\n   3. YOLO系列算法进阶教程  [教程文档](https://wvet00aj34c.feishu.cn/docx/U8STd5txXod1R5xhrrmcZh9fnTf) / [教程代码](./docs/Hands_on_YoLo_with_ultralytics/1-DOTA-obb)\n   4. YOLO实践之通用数据集格式介绍与私有数据集制作 [教程文档](https://wvet00aj34c.feishu.cn/docx/Tdv4d2ZpmoWX4vxPPhfcvEIQnLh)\n   5. YOLO实践之数据集合并与自动打标 [教程文档](https://wvet00aj34c.feishu.cn/docx/R04QdmQMMoaA44xyDYkcA0AfnOd)\n5. YOLO系列算法魔改教程  [教程文档](https://wvet00aj34c.feishu.cn/docx/RXJKdo5ZJoT5QPxiV3vcpGPwnzX)  [教程代码](./docs/Hacking_YoLo)  @白雪城 @谢彩承 @胡博毓\n6. YOLO系列模型的硬件部署与量化  [教程文档](https://wvet00aj34c.feishu.cn/docx/Oo71d5TjWoIzVPxaSIIc1Fysnqh)  @张小白 @白雪城 @程宏\n7. YOLO Master ModelScope 模型上传教程  [教程文档](https://wvet00aj34c.feishu.cn/docx/VrZCdtOlvozI42xThc4cyxynnfg) @张小白 @程宏\n8. YOLO系列算法从零开始实现教程  [教程文档](./Pytorch_YoLo_From_Scratch) @刘伟鸿 @程宏 @蔡鋆捷 \n   1. YOLOv1 [Notebook](./docs/Pytorch_YoLo_From_Scratch/v1/YOLOv1.ipynb) / [README](./docs/Pytorch_YoLo_From_Scratch/v1/README.md)\n   2. YOLOv3 [Notebook](./docs/Pytorch_YoLo_From_Scratch/v3/YOLOv3.ipynb) / [README](./docs/Pytorch_YoLo_From_Scratch/v3/README.md)\n   3. YOLOv5 [Notebook](./docs/Pytorch_YoLo_From_Scratch/v5/YOLOv5.ipynb) / [README](./docs/Pytorch_YoLo_From_Scratch/v5/README.md)\n\n### 更多教程还在完成完善中（WIP）\n\n欢迎贡献者加入，一起完善教程~\n\n1. [YOLO系列算法的基本原理与网络结构 @彭彩平 @程宏](https://wvet00aj34c.feishu.cn/docx/MKUhdQ9CmoIcR2x2TXrcBfY5ndh)【Done】本文档采用由大到小（概述--\u003e功能分块），再由小到大（关键概念--\u003e典型算法--\u003e典型模块--\u003e典型网络机构）的介绍逻辑\n2. [YOLO系列模型算法中的LOSS](https://wvet00aj34c.feishu.cn/docx/TGrYd5ttHonbzFxs1dgckacHnpb) 【Done】总结用于优化的LOSS函数在YOLO系列模型算法中的应用和各版本中的异同和进化 @谭斐然\n3. [YOLO系列模型之如何阅读ultralytics源码？](https://wvet00aj34c.feishu.cn/docx/K4d9d9B5KoaSPjxwOjXceBwKnih)【Done】专为想尝试阅读ultralytics源码并准备尝试修改原模型的同学准备，希望能够帮助大家更好的阅读源码，可以在进行实战教程尝试前阅读 @谭斐然\n4. [YOLO系列入门实操教程](https://wvet00aj34c.feishu.cn/docx/Ojcfd0ZF5olk4Yxwt9ZcjgSenUD)【ultralytics YOLOv8】【WIP】优化和github notebook移植对齐 @北有青空\n5. [YOLO系列模型之如何阅读PP-YOLOE源码](https://wvet00aj34c.feishu.cn/docx/NvFwdZtD1owgx5xh6Enct1HcnLe)【WIP】基于国产深度学习框架PaddlePaddle的算法库PaddleDetection\n6. [PP-YOLOE详解](https://wvet00aj34c.feishu.cn/docx/F00CdJXU2ozAxixhCoLcu9v7nbh)【WIP】PP-YOLOE模型的详解\n7. [PP-YOLOE系列模型实践](https://wvet00aj34c.feishu.cn/docx/SxDodzBUlosqABxqvSJc606Cn4f)【WIP】PP-YOLOE模型的实践\n8. [基于mmyolo的YOLO系列算法实践](https://wvet00aj34c.feishu.cn/docx/HM7LdVOHFolu07xkbovczWF5nRf)【WIP】mmyolo：OpenMMLab YOLO series toolbox and benchmark. Implemented RTMDet, RTMDet-Rotated,YOLOv5, YOLOv6, YOLOv7, YOLOv8,YOLOX, PPYOLOE, etc.\n9. [YOLO实践之在竞赛中YOLO系列模型的使用和优化](https://wvet00aj34c.feishu.cn/docx/HHMrda1C5oRSCQxImGbcuIKlnGf) 【WIP】\n10. [非YOLO系CV模型的研究进展](https://wvet00aj34c.feishu.cn/docx/OWOMdjUHuoM60HxrdOrc4G0YnTg)【WIP】\n\n## Github 目录结构说明\n\n```text\n.\n├── docs\n│   ├── Hacking_YoLo                      # 魔改教程\n│   │   ├── C1 主干（Backbone）\n│   │   ├── C2 颈部（Neck）\n│   │   ├── C3 头部（Head）\n│   │   ├── C4 注意力机制（Attention）\n│   │   ├── C6 其他\n│   │   └── README.md\n│   ├── Hands_on_YoLo_with_ultralytics    # 基于ultralytics的应用实践教程\n│   │   ├── 0-dog-breed-detection         # # 入门 YOLOv8m\n│   │   ├── 1-DOTA-obb                    # # 进阶OBB任务 YOLOv11n \n│   │   ├── 2-Beverages-Labeling          # # 高阶数据集操作\n│   │   └── README.md\n│   ├── Images\n│   └── Pytorch_YoLo_From_Scratch         # YOLO系列模型从零开始实现教程\n│       ├── datasets                      # # 采用COCO demo数据集\n│       │   ├── coco128.zip\n│       │   └── coco8.zip\n│       ├── README.md\n│       ├── resource\n│       ├── v1                            # # YOLOv1使用VOC数据集\n│       ├── v3                            # # YOLOv3使用COCO toy数据集\n│       └── v5                            # # YOLOv5使用COCO toy数据集\n└── README.md\n```\n\n## 贡献者名单\n\n| 姓名 | 职责 | 简介 |\n| :-------| :---- | :---- |\n| [程宏](https://github.com/chg0901) | 项目主负责人、发起者、代码和教程的初审与内测 | DataWhale意向成员 |\n| [蔡鋆捷](https://github.com/xinala-781) | 项目主负责人、详解核心贡献者、组织内测 | DataWhale意向成员 |\n| [余霆嵩](https://github.com/TingsongYu)| 项目负责人、代码审核与优化 | DataWhale意向成员 |\n| [白雪城](https://github.com/JackBaixue) | 项目负责人、发起者、魔改负责人 | DataWhale成员 |\n| [彭彩平](https://github.com/caipingpeng) | 项目负责人、鸟瞰YOLO、**基本原理与网络结构** | |\n| [刘伟鸿](https://github.com/Weihong-Liu) | V1详解，V1 Scratch, 数据集制作 | DataWhale成员 |\n| [胡博毓](https://github.com/HuBoyu021124) | V8 Review，魔改教程, | DataWhale成员 |\n| [谢彩承](https://github.com/YoungBossX) | V1、V2、V5 Review，魔改教程 |DataWhale意向成员 |\n| [陈国威](https://github.com/gomevie) | V6、V9、V10详解 |DataWhale意向成员 |\n| [全政宇](https://github.com/EdQinHUST) |V9、V10 Review，YOLOX详解| DataWhale意向成员 |\n| [张小白](https://www.zhihu.com/people/zhanghui_china) | YOLO系列模型趣闻和谣言，硬件部署，ModelScope使用|DataWhale意向成员 |\n| [李欣桓](https://github.com/NorthBlueSky) |**V10**、V11 Review，**数据集合并与打标** | 安徽理工大学 |\n| [胥佳程](https://github.com/Thedan-1) | **V4**、V5 Review | DataWhale意向成员、青岛科技大学 |\n| [谭斐然](https://github.com/frtanxidian) | **YOLO系列模型算法中的LOSS**, **如何阅读ultralytics源码** |DataWhale意向成员 |\n| [林涛](www.lintao.online) | 学习YOLO的正确姿势 |DataWhale意向成员 |\n| 徐韵婉 | 发起者、飞书教程管理维护 | DataWhale成员 |\n\n注：项目负责人的实际贡献内容不能全部一一显示在列表中，感谢每一位负责人的付出和持续跟进。\n\n### 课程助教名单\n| 姓名 | 职责 | 课程日期 |\n| :-------| :---- | :---- |\n|[谭斐然](https://github.com/frtanxidian)|运营助教|2025.06|\n|[白雪城](https://github.com/JackBaixue)|专业助教|2025.06|\n|[佘圳鑫](https://github.com/)|专业助教|2025.06|\n\n感谢DataWhale组织的文睿，六一姐，马燕鹏，煜神，碧涵，晓皖和水琼以及其他小伙伴们的的协助与支持~\n\n\n\n### Reviewer List\n\n在 YOLO Master 项目的开发与优化过程中，各位 Reviewer 以严谨的专业态度、细致的审查意见及建设性反馈，\n为项目质量的提升提供了重要支持和宝贵建议，显著增强了教程项目知识体系的完善和合理，提高了学习时的用户体验。\n大家的专业洞察与耐心指导是YOLO Master项目持续迭代的基石，期待在未来开发和教程体系完善过程中继续与大家合作，\n**YOLOMaster** 将和大家一起成长进步，让我们为共同推动项目**成为更专业、更高效、更易用的 YOLO 系列模型的开源学习教程**而努力！\n\n在此，我们诚挚感谢参与**第一批内测**([**文档**](https://wvet00aj34c.feishu.cn/docx/FwivdWGqMoYQPSxMotMcYVIrnOh) )的Reviewers\n以及已经贡献教程和代码、成为贡献者的小伙伴们（*斜体字*），\n也期待更多的小伙伴可以加入内测，有更多的小伙伴成为我们项目教程的贡献者！\n\n|Ver. No | Reviewer Name(s) |\n| :-------| :-------- |\n|v1|*谢彩承*|\n|v2|*谢彩承* |\n|v3|[冯启洪](https://github.com/fqhyyds) (汕头大学)，*[谭斐然](https://github.com/frtanxidian)(DataWhale意向成员、西安电子科技大学)* |\n|v4|*胥佳程* |\n|v5|*谢彩承*，*胥佳程* |\n|v6| 马恺 |\n|v7|*[林涛](www.lintao.online)(DataWhale意向成员)* |\n|v8|揭沁沅，[冯启洪](https://github.com/fqhyyds) (汕头大学)，*胡博毓* |\n|v9|*全政宇* |\n|v10|*全政宇*，*李欣桓* |\n|v11|[冯启洪](https://github.com/fqhyyds) (汕头大学)，*李欣桓* |\n\n注：斜体人员为项目贡献者，期待更多的reviewer成为贡献者！\n\n## 参与贡献\n\n- 如果你发现了一些问题，可以提Issue进行反馈，如果提完没有人回复你可以联系[保姆团队](https://github.com/datawhalechina/DOPMC/blob/main/OP.md)的同学进行反馈跟进~\n- 如果你想参与贡献本项目，可以提Pull request，如果提完没有人回复你可以联系[保姆团队](https://github.com/datawhalechina/DOPMC/blob/main/OP.md)的同学进行反馈跟进~\n- 如果你对 Datawhale 很感兴趣并想要发起一个新的项目，请按照[Datawhale开源项目指南](https://github.com/datawhalechina/DOPMC/blob/main/GUIDE.md)进行操作即可~\n\n## 关注我们\n\n\u003cdiv align=center\u003e\n\u003cp\u003e扫描下方二维码关注公众号：Datawhale\u003c/p\u003e\n\u003cimg src=\"https://raw.githubusercontent.com/datawhalechina/pumpkin-book/master/res/qrcode.jpeg\" width = \"180\" height = \"180\"\u003e\n\u003c/div\u003e\n\n## LICENSE\n\n\u003ca rel=\"license\" href=\"http://creativecommons.org/licenses/by-nc-sa/4.0/\"\u003e\u003cimg alt=\"知识共享许可协议\" style=\"border-width:0\" src=\"https://img.shields.io/badge/license-CC%20BY--NC--SA%204.0-lightgrey\" /\u003e\u003c/a\u003e\u003cbr /\u003e本作品采用\u003ca rel=\"license\" href=\"http://creativecommons.org/licenses/by-nc-sa/4.0/\"\u003e知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议\u003c/a\u003e进行许可。\n\n*注：默认使用CC 4.0协议，也可根据自身项目情况选用其他协议*\n","project_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fdatawhalechina%2Fyolo-master","html_url":"https://awesome.ecosyste.ms/projects/github.com%2Fdatawhalechina%2Fyolo-master","lists_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fdatawhalechina%2Fyolo-master/lists"}