历史版本
2016年，Joseph Redmon提出了他至今以来最有名的个人项目：Joseph Redmon
《You Only Look Once: Unified, Real-Time Object Detection》
https://pjreddie.com/
2017年，Joseph Redmon与导师合著，发表了论文《YOLO9000: Better, Faster, Stronger》，也就是YOLOv2。
YOLOv2能够检测9000种不同对象
YOLOv3之前的所有YOLO对象检测模型都是用C语言编写的，并使用了Darknet框架
darknet是一个较为轻型的完全基于C与CUDA的开源深度学习框架,其主要特点就是容易安装,没有任何依赖
2018年Joseph Redmon 提出的YOLOv3 Darknet框架
Ultralytics 发布了第一个使用PyTorch框架实现的YOLO (YOLOv3)-基于PyTorch复现的YOLOv3
2020年2月Joseph Redmon 突然在推特上发布声明——，
出于道德上的考虑，他决定停止一切有关计算机视觉的研究
2020年4月，另一位曾经参与YOLO项目维护的大神Alexey Bochkovskiy，在arXiv上提交了YOLO v4
Chien-Yao Wang, Alexey Bochkovskiy, Hong-Yuan Mark Liao.作者与YOLOv4的团队相同，可以认为是YOLO的官方发布。
source code - Pytorch (use to reproduce results): https://github.com/WongKinYiu/ScaledYOLOv4
source code - Darknet: https://github.com/AlexeyAB/darknet
https://github.com/AlexeyAB/Yolo_mark
2020年 6月9日 Ultralytics发布了YOLOv5，Ultralytics公司开源了YOLOv5
Ultralytics放出的YOLOv5，是YOLOv4的一个实现版本（性能有改进），只不过是完全用Pyotorch实现了。并且支持转ONNX以及CoreML等
这个「YOLOv5」的名号，是Ultralytics团队自封的
2022/09
YOLOv6 / MT-YOLOv6
Meituan, China.
“YOLOv6: A Single-Stage Object Detection Framework for Industrial
Applications”, https://arxiv.org/pdf/2209.02976.pdf
2022年7月10日 YOLOv7官方开源 | Alexey Bochkovskiy站台，精度速度超越所有YOLO，还得是AB
“YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors”2022/07,
https://arxiv.org/pdf/2207.02696.pdf
https://github.com/WongKinYiu/yolov7
2023年1月，Ultralytics发布了YOLOv8
https://github.com/ultralytics
https://github.com/ultralytics/yolov3
https://github.com/ultralytics/yolov5
https://github.com/ultralytics/ultralytics
https://ultralytics.com/yolov8