目标检测

一句话总结：目标检测在图像中定位并识别物体，是自动驾驶、安防监控等场景的核心技术。

📋 检测算法演进

📊 主流检测器对比

模型	类型	COCO mAP	速度 (FPS)	参数量
Faster R-CNN	两阶段	37.0	5	42M
Mask R-CNN	两阶段	40.5	20	45M
YOLOv3	单阶段	33.0	65	62M
YOLOv5-L	单阶段	48.3	90	30M
YOLOv8-X	单阶段	53.9	100+	68M
DEtection TRansformer	Transformer	49.0	25	106M
DINO-DETR	Transformer	53.6	30	130M

🔧 核心算法

YOLO 架构

DETR 架构

检测实现示例

# YOLOv8 检测
from ultralytics import YOLO

# 加载模型
model = YOLO('yolov8n.pt')

# 推理
results = model.predict('image.jpg', conf=0.25)

# 输出格式
for r in results:
    boxes = r.boxes
    for box in boxes:
        print(f"Class: {box.cls}, Confidence: {box.conf:.2f}")
        print(f"Box: {box.xyxy}")

⚡ 实时检测优化

优化策略

策略	速度提升	精度损失
模型量化 INT8	2-4×	<1%
TensorRT 优化	2-3×	<0.5%
模型剪枝	1.5-2×	1-3%
知识蒸馏	1.5×	<1%
动态分辨率	1.3×	无

📚 延伸阅读

YOLO — 实时目标检测
DETR — Transformer 检测
Faster R-CNN — 两阶段检测器