YOLO近年的研究已逐步脱离单纯的精度速度拉锯，核心攻坚点收敛至小样本泛化、端侧轻量化、开放世界检测、遮挡鲁棒性等关键瓶颈。
本文整理了66篇YOLO最新前沿论文，覆盖CVPR、ICCV、AAAI等顶会最新成果，部分附带官方开源实现。正在做相关课题的伙伴可以直接下方领取论文及代码，帮助你梳理技术脉络、定位可突破方向、复用基线方案，有效避免重复劳动，提升选题与实验效率。
长按识别下方二维码，回复【YOLO66】
无偿领全部论文合集及项目代码
DroneScan-YOLO: Redundancy-Aware Lightweight Detection for Tiny Objects in UAV Imagery
DroneScan-YOLO：面向无人机影像微小目标的冗余感知轻量化检测
文章内容
针对无人机影像中目标像素占比低、小目标损失梯度消失、算力约束强三大痛点，本文提出1280×1280高分辨率输入、RPA-Block动态冗余滤波器剪枝、步长4的轻量化P2检测头MSFD、结合归一化瓦瑟斯坦距离的SAL-NWD损失四项协同优化。在VisDrone2019-DET数据集上，mAP@50达55.3%，较YOLOv8s基线提升16.6个百分点，仅增加4.1%参数，推理速度保持96.7 FPS。
SDD-YOLO: A Small-Target Detection Framework for Ground-to-Air Anti-UAV Surveillance with Edge-Efficient Deployment
SDD-YOLO：面向地对空反无人机监视的小目标检测框架及边缘高效部署
文章内容
针对地对空反无人机场景中目标像素占比极低、空中背景杂波多、边缘端实时性要求严苛的问题，本文引入4倍下采样的P2高分辨率检测头，融合YOLO26的DFL-free、NMS-free架构与MuSGD混合训练策略，搭配双注意力机制抑制虚警。构建包含3万张图像的DroneSOD-30K数据集，最终模型mAP@0.5达86.0%，RTX 5090上推理速度226 FPS，CPU上达35 FPS，适配边缘部署。
YOLO-NAS-Bench: A Surrogate Benchmark with Self-Evolving Predictors for YOLO Architecture Search
面向YOLO架构搜索的带自进化预测器的代理基准
文章内容
针对目标检测神经架构搜索评估成本过高、缺乏统一基准的问题，本文构建覆盖YOLOv8至YOLOv12核心模块的搜索空间，采样1000个架构在COCO-mini上完整训练建立初始库；提出自进化预测器机制，通过进化搜索迭代补充高性能架构，最终1500个架构上集成预测器R²达0.815、稀疏Kendall Tau达0.752。以此指导搜索得到的架构，在同等延迟下全面超越官方YOLO基线。
↓↓听说在下方一键三连的都Accept了🌝
