一、前言YOLOYou Only Look Once自2015年诞生以来已经成为计算机视觉领域最具影响力的实时目标检测算法系列。从V1到V14YOLO家族不断壮大背后涉及的作者团队也从Joseph Redmon一人扩展到全球多个实验室。但一个经常被忽视的事实是不是每一代YOLO都发表了学术论文更不是每一篇都中了顶会。YOLOv3在arXiv上发布后从未投稿YOLOv5根本没有发表过学术论文YOLOv9、YOLOv10至今仍是以arXiv预印本的形式存在。本文系统梳理YOLO全系列的发展脉络回答三个核心问题谁提出的论文投稿了没有接收了吗二、YOLOv1一切的原点提出团队Joseph Redmon华盛顿大学、Santosh Divvala、Ross Girshick、Ali Farhadi论文标题You Only Look Once: Unified, Real-Time Object Detection发表/接收情况CVPR 2016标志性创新将目标检测重新定义为回归问题从图像直接预测边界框和类别概率实现了实时端到端的检测。值得一提的是这篇论文最初曾投稿到NIPS并被拒稿评审给出的评价是“这是一篇不错的论文但还不够好”。随后转投CVPR 2016被接收。三、YOLOv2 / YOLO9000提出团队Joseph Redmon、Ali Farhadi华盛顿大学论文标题YOLO9000: Better, Faster, Stronger发表/接收情况CVPR 2017获CVPR 2017最佳论文荣誉提名Best Paper Honorable Mention核心贡献引入Anchor Box机制改进定位精度联合训练检测与分类提出可检测9000类物体的YOLO9000大幅扩展了检测类别上限。四、YOLOv3提出团队Joseph Redmon、Ali Farhadi华盛顿大学论文标题YOLOv3: An Incremental Improvement发表/接收情况仅发布于arXiv2018年4月从未投稿到任何学术会议核心贡献引入特征金字塔网络FPN实现多尺度检测使用Darknet-53主干网络采用二元交叉熵损失进行分类在保持实时性的同时大幅提升了对小目标检测的能力。截至2026年YOLOv3仍是YOLO系列中被引用次数最高的论文尽管它从未“中过”任何会议。Joseph Redmon在完成YOLOv3后宣布退出计算机视觉研究界YOLOv3也因此成为Redmon本人参与的最后一代YOLO。五、YOLOv4后Redmon时代的开篇提出团队Alexey Bochkovskiy最初为个人研究者、Chien-Yao Wang、Hong-Yuan Mark Liao台湾中央研究院论文标题YOLOv4: Optimal Speed and Accuracy of Object Detection发表/接收情况CVPR 2020核心贡献在Darknet架构基础上集成了当时最有效的检测“技巧包”——CSPNet、Mish激活函数、DropBlock正则化、CmBN、Mosaic数据增强、SAT自对抗训练等构建了系统级的工程优化框架。值得注意的是YOLOv4并非由YOLO原作者Redmon发表但这一工作已得到Redmon本人的认可。六、YOLOv5从未发表论文的“版本”提出团队Glenn JocherUltralytics公司创始人论文发表情况从未发表正式学术论文核心贡献YOLOv5于2020年6月以GitHub开源仓库的形式发布。其创新主要体现在工程实现层面使用PyTorch框架替代Darknet引入AutoLearning bounding box anchors、Focus模块、CSPNet结构、自适应图像缩放等。特殊争议YOLOv5的命名曾引发争议——一些研究者认为它应该被称为“Ultralytics YOLO”而非“YOLOv5”。但无论如何命名YOLOv5凭借其优秀的工程生态和易用性在实际工业应用中的普及程度远超任何一代YOLO。然而从学术评价体系来看YOLOv5没有任何一篇被正式接收的会议或期刊论文。七、YOLOv6提出团队美团视觉智能部Meituan Vision Intelligence Department论文标题YOLOv6: A Single-Stage Object Detection Framework for Industrial Applications发表/接收情况仅发布于arXiv尚未有明确的顶会接收记录核心贡献专门针对工业场景设计主打高精度和高推理效率。采用了EfficientRep主干网络、RepVGG风格的推理架构、Anchor-free检测头。团队获得了YOLO原作者的允许使用YOLOv6这一命名。八、YOLOv7提出团队Chien-Yao Wang、Alexey Bochkovskiy、Hong-Yuan Mark Liao台湾中央研究院与个人合作论文标题YOLOv7: Trainable Bag-of-Freebies Sets New State-of-the-Art for Real-Time Object Detectors发表/接收情况CVPR 2023 WorkshopCVPR 2023中关于实时检测的专题研讨会——这是一篇Workshop论文而非CVPR主会论文。根据会议完整论文列表可查证其投稿和接收状态。核心贡献提出可训练的“免费礼包”集Trainable Bag-of-Freebies包括计划性重参数化卷积、辅助头训练策略等设计了ELAN高效层聚合网络结构。九、YOLOv8提出团队Glenn Jocher、Ayush Chaurasia、Jing QiuUltralytics论文发表情况YOLOv8同样从未发表正式学术论文核心贡献2023年1月以Ultralytics开源框架形式发布。引入了统一的YOLO框架支持目标检测、实例分割、姿态估计、图像分类等多个任务改进了C2f模块、无Anchor检测头。YOLOv8目前没有正式的arXiv预印本也没有被任何会议或期刊接收的论文——它的发布方式与YOLOv5一样通过GitHub和文档网站进行。尽管如此YOLOv8是目前Ultralytics生态的核心基础。十、YOLOv9提出团队Chien-Yao Wang、Hong-Yuan Mark Liao台湾中央研究院论文标题YOLOv9: Learning What You Want to Learn Using Programmable Gradient Information发表/接收情况仅发布于arXiv2024年2月不是期刊论文也不是会议论文核心贡献提出可编程梯度信息PGI和GELAN通用高效层聚合网络旨在解决深度神经网络中的信息瓶颈问题。截至2026年6月YOLOv9仍未被任何学术会议接收。十一、YOLOv10提出团队来自清华大学的Aodong Li一作信息以及其他合作者已知完整作者名单尚不完整一作机构为清华大学具体团队机构待查论文标题YOLOv10: Real-Time End-to-End Object Detection发表/接收情况NeurIPS 2024已被接收核心贡献提出了无需NMS后处理的端到端YOLO框架。通过双重分配策略一对多分配用于训练、一对一分配用于推理实现NMS-free设计在保持高速度的同时提升了精度。这是首个被NeurIPS接收的YOLO系列论文。十二、YOLOv11Ultralytics YOLO11提出团队Glenn Jocher、Ayush Chaurasia、Jing QiuUltralytics论文发表情况从未发表正式学术论文核心贡献YOLO11Ultralytics内部不称其为“v11”于2024年9月发布。进一步优化了C2f结构改进了任务对齐学习支持实例分割、姿态估计等更多任务类型。与YOLOv5和YOLOv8一样它同样没有任何学术论文发表或接收记录。十三、YOLOv12提出团队由Yunjie Tian等作者提出一作机构为华中科技大学 清华大学详细信息待查论文标题YOLOv12: Attention-Centric Real-Time Object Detectors发表/接收情况NeurIPS 2024核心贡献重回“注意力中心”设计——在CNN基础上引入区域注意力机制取代了传统YOLO一直依赖的卷积主干保持了与CNN YOLO相当的速度同时获得了Transformer级别的性能提升。这是第二篇被NeurIPS接收的YOLO系列论文。十四、YOLOv13提出团队Mengqi Lei、Siqi Li、Yihong Wu、Han Hu、You Zhou、Xinhu Zheng、Guiguang Ding、Shaoyi Du、Zongze Wu、Yue Gao清华大学、华中科技大学等机构合作具体归属待查论文标题YOLOv13: Real-Time Object Detection with Hypergraph-Enhanced Adaptive Visual Perception发表/接收情况仅发布于arXiv2025年6月21日截至当前尚未被学术会议接收核心贡献提出基于超图的自适应相关性增强机制HyperACE突破了前代模型局限于局部信息聚合和成对相关性建模的缺陷实现了全局多对多的高阶相关性建模提升了复杂场景下的检测性能。实验表明YOLOv13‑N相比YOLO11‑N在mAP上提升3.0%相比YOLOv12‑N提升1.5%。十五、YOLOv14提出团队南京邮电大学张晨斌团队GitHub账号zhangcbb论文发表情况代码已开源论文正在撰写中尚未上传arXiv项目地址https://github.com/zhangcbb/yolov14核心贡献YOLOv14是唯一一个面向非理想成像条件的YOLO框架旨在统一处理鱼眼畸变、游戏渲染、无人机俯视、360°全景等“非标”场景。通过自适应增强、领域自适应层、可变形区域注意力、动态尺度路由等模块实现了跨域实时目标检测。截至2026年6月YOLOv14的论文仍在撰写中未提交至任何会议或期刊。十六、YOLOvX与YOLO系列论文发表情况全景总结16.1 各版本论文发表与接收情况汇总表版本提出团队论文标题发表/接收状态YOLOv1Joseph Redmon 等华盛顿大学You Only Look OnceCVPR 2016YOLOv2Joseph Redmon, Ali Farhadi华盛顿大学YOLO9000CVPR 2017最佳论文提名YOLOv3Joseph Redmon, Ali Farhadi华盛顿大学YOLOv3: An Incremental Improvement仅arXiv2018——未投稿YOLOv4Alexey Bochkovskiy 等台湾中央研究院YOLOv4: Optimal Speed and AccuracyCVPR 2020YOLOv5Glenn JocherUltralytics无正式论文从未发表学术论文YOLOv6美团视觉智能部YOLOv6: A Single-Stage Object Detection Framework…仅arXiv——尚未被会议接收YOLOv7Chien-Yao Wang 等台湾中央研究院YOLOv7: Trainable Bag-of-FreebiesCVPR 2023 WorkshopYOLOv8Glenn JocherUltralytics无正式论文从未发表学术论文YOLOv9Chien-Yao Wang, Hong-Yuan Mark Liao台湾中央研究院YOLOv9: Learning What You Want to Learn…仅arXiv2024——未被会议接收YOLOv10Aodong Li 等清华大学等YOLOv10: Real-Time End-to-End Object DetectionNeurIPS 2024YOLOv11Glenn JocherUltralytics无正式论文从未发表学术论文YOLOv12Yunjie Tian 等华中科技大学 清华大学YOLOv12: Attention-Centric…NeurIPS 2024YOLOv13Lei, Li, Wu 等清华大学华中科技大学等YOLOv13: Real-Time Object Detection with Hypergraph…仅arXiv2025-06-21——未被会议接收YOLOv14张晨斌团队南京邮电大学正在撰写中论文尚未提交16.2 关键洞察只有7个版本V1、V2、V4、V7、V10、V12、Workshop V7发表了正式学术论文并被会议接收。其中V1、V2、V4、V7为CVPR系列V10、V12为NeurIPS系列。Ultralytics路线V5、V8、V11从未发表任何学术论文其影响力来源于开源社区和工程生态而非学术发表。YOLOv3是学术引用最高的版本却从未投稿到任何会议。NeurIPS 2024是YOLO系列首次进入NeurIPS的一年——V10和V12同时在2024年被NeurIPS接收。YOLOv6、YOLOv9、YOLOv13至今仍停留在arXiv尚未被任何会议接收。YOLOv14是首个由国内非Top2高校实验室主导发布的版本标志着YOLO生态从工业界开源回归学术界。十七、YOLO系列的历史分水岭YOLO系列的发展历程可以划分为几个清晰的阶段Redmon时代V1-V32015-2018奠定YOLO基础框架以学术会议论文为主要发布渠道。Ultralytics时代V5-V8-V112020-2024以工程化和开源生态为核心策略放弃学术发表路径。多元时代V4-V6-V7-V9-V10-V12-V13-V142020-2026全球多个团队和实验室各自沿YOLO路线推进形成学术顶会、arXiv预印本、开源工程并存的复杂格局。十八、结语YOLO系列的发展并非一条单一的学术论文链条而是由学术顶会论文、arXiv预印本、无论文开源工程三条路径交织而成。V1和V2是CVRP上的学术作品V3虽无顶会认可但影响力最大V4继承了CVPR的正统血脉V5、V8、V11走的是工程路线V9是纯arXiv产物V10和V12则开创了YOLO进入NeurIPS的先河V13目前停留在arXivV14则是仍在创作中的开源项目。每一代YOLO都以自己的方式推动了目标检测领域的发展。了解了这一历史再看到任何一个新的YOLO版本出现时你就知道应该如何定位它了。