各版本 YOLO 模型输出结构详细解析（YOLOv5 / YOLOv8 / YOLO11 / YOLO12 / YOLOv10）

在不同版本的 YOLO 模型中，网络结构不断演进，因此输出张量的维度和含义也有所变化。下面按版本总结其典型 ONNX 输出格式，便于开发者在部署时解析模型结果。

YOLOv5 输出格式

输出维度：float[1, 25200, 85]

• 1：batch size

• 25200：总预测框数量

  • 来自三尺度输出：

    • 80×80 网格 → 6400 个
    • 40×40 网格 → 1600 个
    • 20×20 网格 → 400 个
    • 合计 8400 个网格，每个网格 3 个 anchor： → 8400 × 3 = 25200 个预测框

• 85：每个框的属性

  • 4 个边界框参数：x, y, w, h
  • 1 个 objectness 置信度
  • 80 个类别置信度（COCO）

✔ YOLOv5 采用“anchor-based”预测，因此输出较长。

YOLOv8 / YOLO11 / YOLO12 输出格式

三者输出结构一致（均为 anchor-free）

输出维度：float[1, 84, 8400]

• 1：batch size

• 84：每个预测包含

  • 4 个边界框参数：x, y, w, h
  • 80 个类别置信度（无 objectness）

• 8400：总候选框数量

  • 来自 80×80 + 40×40 + 20×20 三尺度
  • 每个网格只生成 1 个预测（anchor-free，因此不 ×3）

✔ YOLOv8/11/12 采用完全无 anchor 的 Decoupled Head，输出更紧凑。

YOLOv10 输出格式

YOLOv10 完全使用 Dynamic Head + NMS-free 设计，因此输出格式与传统 YOLO 不同。

输出维度：float[1, 300, 6]

模型直接输出 最终 300 个候选框（经过排序筛选后的 top 300）：

• 每行 6 个数值：

  索引	含义
  0	x1（左上角横坐标）
  1	y1（左上角纵坐标）
  2	x2（右下角横坐标）
  3	y2（右下角纵坐标）
  4	score（置信度）
  5	label（类别 ID）

✔ YOLOv10 的输出已经是筛选好的框，是 NMS-free 推理方式，不再像 YOLOv5/8 那样需要手动执行 NMS。

总结对比表