Belajar YOLO - Sejarah & Evolusi YOLO (v1 → YOLO26)
Perjalanan satu dekade YOLO: dari revolusi single-shot YOLOv1 (2016), era v2/v3 Redmon, ekosistem v4/v5, dominasi Ultralytics v8/v11, attention di YOLOv12, hingga YOLO26 NMS-free — plus lanskap kompetitor RF-DETR & RTMDet
#Pendahuluan
Setelah episode sebelumnya kita memahami bahasa dasar object detection — bounding box, IoU, dan mAP — kini saatnya mengenal sang protagonis: YOLO. Episode ini menelusuri evolusinya dari paper pertama tahun 2016 sampai YOLO26 yang rilis Januari 2026.
Mengapa sejarah penting? Karena setiap generasi YOLO lahir dari solusi atas kelemahan generasi sebelumnya. Kalian yang paham garis evolusi ini tidak akan sekadar "pakai tool", melainkan mengerti mengapa arsitektur modern punya bentuk seperti sekarang — dan itu langsung berguna saat kalian harus debug training atau memilih model untuk production. Selain itu, lanskap detection 2026 tidak lagi milik YOLO sendirian: ada RF-DETR, RTMDet, dan keluarga zero-shot yang ikut bersaing.
#Era Joseph Redmon: v1, v2, v3
#YOLOv1 (2016): Revolusi Single-Shot
Paper "You Only Look Once" (Redmon dkk., CVPR 2016) mengubah paradigma. Metode deteksi sebelumnya (seperti R-CNN) bekerja two-stage: pertama usulkan ribuan region kandidat, kedua klasifikasi tiap region — lambat karena gambar "dilihat" berulang kali.
YOLOv1 melempar ide radikal: jadikan detection sebagai satu masalah regression end-to-end. Satu forward pass neural network langsung menghasilkan semua box + class — gambar hanya "dilihat sekali". Hasilnya: 45 FPS, real-time untuk pertama kalinya dalam satu jaringan tunggal.
Kelemahan v1 juga terkenal: deteksi objek kecil dan objek yang berkelompok sering meleset, karena grid-nya kasar (7×7) dan tiap sel cuma bisa memprediksi dua box.
#YOLOv2/YOLO9000 & YOLOv3 (2017–2018)
v2 memperkenalkan anchor boxes, batch normalization, dan resolusi lebih tinggi — akurasi naik signifikan tanpa mengorbankan kecepatan. v3 menyempurnakan dengan:
- Feature pyramid tiga skala — prediksi pada tiga ukuran feature map sehingga objek kecil jauh lebih tertangani.
- Backbone Darknet-53 yang lebih dalam.
- Deteksi multi-label (satu objek bisa punya banyak label).
YOLOv3 menjadi versi Redmon terakhir yang benar-benar populer. Pada 2020 ia berhenti riset vision karena kekhawatiran penyalahgunaan — dan komunitas meneruskan obor.
#Era Komunitas & Ekosistem: v4, v5
Dengan Redmon mundur, dua jalur besar muncul:
- YOLOv4 (Alexey Bochkovskiy, 2020): kompilasi trik state-of-the-art — CSPDarknet backbone, Mosaic augmentation, PANet neck, CIoU loss. Filosofinya "gratis akurasi" lewat kombinasi trik murah.
- YOLOv5 (Ultralytics, 2020): kontroversial karena bukan paper akademik, tapi merevolusi sisi lain — engineering. PyTorch native, mudah di-training, format dataset sederhana, CLI ramah, export ke berbagai format, dan model terskala (n/s/m/l/x). Di sinilah lahir gaya DX (developer experience) yang membuat YOLO dipakai massal oleh praktisi, bukan hanya peneliti.
Note
Penting dipahami: mulai era ini, "YOLO" bukan lagi satu implementasi tunggal, melainkan sebuah keluarga/konsep. Versi bernomor tinggi tidak selalu berarti "lebih baik" — konteks tim pengembang dan tujuan desainnya berbeda-beda.
#Era Ultralytics: v8 → YOLO11
#YOLOv8 (2023)
Ultralytics kembali dengan desain ulang besar: arsitektur anchor-free, head decoupled (cabang classification dan regression terpisah), blok C2f yang efisien, dan distribusi loss pakai DFL. Satu codebase mendukung banyak task: detect, segment, classify, pose, dan OBB. YOLOv8 menjadi salah satu model vision paling banyak di-deploy di dunia.
#YOLO11 (2024–2025)
Penerusnya memperhalus arsitektur dengan blok C3K2 (varian C2f yang lebih ringan) dan modul C2PSA (Partial Spatial Attention) di head — meningkatkan fokus model pada area penting dengan biaya komputasi minim. Efisiensinya luar biasa: YOLO11n punya parameter lebih sedikit dari v8n dengan mAP lebih tinggi. Kita bedah blok-blok ini detail di episode 3.
#YOLOv12 (2025): Attention Masuk
Generasi ini membawa ide dari dunia transformer ke CNN-YOLO secara pragmatis: area-attention dan blok R-ELAN (Revised Efficient Layer Aggregation Networks) menjaga biaya attention tetap murah. Ini menandai tren besar 2025+: mekanisme perhatian bukan lagi monopoli transformer detector.
#YOLO26 (Januari 2026): Generasi Terbaru
YOLO26 merangkum pelajaran satu dekade menjadi lompatan yang berorientasi production:
| Inovasi | Artinya bagi Kalian |
|---|---|
| NMS-free end-to-end | Pipeline post-processing disederhanakan; latency lebih konsisten dan mudah di-export |
| Edge-first: ±43% CPU inference lebih cepat vs YOLO11-N | Model nano makin layak di device tanpa GPU |
| Konsistensi fp16/fp32 | Hasil quantization/half precision lebih stabil di edge |
| Multi-task diperluas termasuk depth (YOLO-Depth) | Satu ekosistem untuk lebih banyak modalitas vision |
Skala modelnya tetap lima: dari YOLO26n (Nano) — 40.9 mAP COCO @1.7ms di T4 — hingga YOLO26x (Extra Large) dengan 57.5 mAP. Strategi memilih ukuran ini kita bahas eksklusif di episode 7.
Lisensinya tetap AGPL-3.0 untuk open source; penggunaan komersial tertutup butuh lisensi Ultralytics — hal yang wajib kalian hitung saat memilih stack untuk produk (dibahas lagi di episode 24).
#Lanskap 2026: YOLO Tidak Sendirian
Ekosistem detection 2026 lebih kompetitif dari sebelumnya:
- RF-DETR (Roboflow, 2025): detector transformer-based yang menjadi real-time pertama melampaui 60 mAP COCO, dirilis Apache 2.0 — bebas lisensi AGPL. Pesaing serius untuk use case komersial.
- RTMDet: keluarga model dari OpenMMLab dengan throughput sangat tinggi (300+ FPS) — favorit untuk industri manufaktur.
- Zero-shot / open-vocabulary (YOLO-World, Grounding DINO): mendeteksi objek dari text prompt tanpa training data — mengubah cara prototyping (episode 22).
Tip
Jangan terjebak "version chasing". Untuk mayoritas kasus, YOLO11 atau YOLO26 ukuran nano/small sudah lebih dari cukup. Pindah generasi hanya masuk akal jika benchmark di dataset kalian sendiri menunjukkan keuntungan nyata — mindset benchmark-first ini kita latih sepanjang series.
#Penutup
Inti yang harus dibawa pulang:
- YOLOv1 (2016) merevolusi detection dengan paradigma single-shot regression — gambar dilihat sekali, hasil real-time.
- v2/v3 memperkenalkan anchor boxes & multi-scale prediction; v4/v5 membawa trik SOTA dan revolusi developer experience.
- Era Ultralytics (v8 → YOLO11) menghadirkan anchor-free design, multi-task, dan blok C3K2/C2PSA; YOLOv12 membawa attention ke CNN-YOLO.
- YOLO26 (Jan 2026) = NMS-free end-to-end, edge-first (+43% CPU), multi-task hingga depth, lisensi AGPL-3.0.
- Lanskap 2026 kompetitif: RF-DETR pegang frontier akurasi (Apache 2.0), RTMDet unggul throughput, zero-shot detector mengubah prototyping.
Di episode 3 kita masuk ke ruang mesin: bedah arsitektur YOLO — peran backbone sebagai mata, neck sebagai agregator, head sebagai pengambil keputusan, plus praktik membaca file konfigurasi yolo26n.yaml baris demi baris. Sampai jumpa!