目标检测要回答两个问题：在哪（定位）与是什么（分类）。
范式演进
| 范式 | 代表 | 思路 |
|---|---|---|
| 滑动窗口 + 分类器 | HOG+SVM | 穷举窗口，慢 |
| 两阶段（R-CNN 系） | Faster R-CNN | 先提候选框，再精修 |
| 单阶段（一阶段） | [[目标检测基础#YOLO 家族 | YOLO]]、SSD |
| Transformer（端到端） | RT-DETR、Deformable DETR | 去锚框化，集合预测 |
YOLO 家族
YOLO 把检测当作单次回归问题，直接输出边界框与置信度。从 v1 到 v8 一步步走向更准的轻量设计。我的研究正是基于 YOLOv8n + P2。
核心组件
- 锚框 / Anchor：预置的先验框（YOLOv8 已去锚框化）。
- NMS（非极大值抑制）：去掉重复框。
- 特征金字塔 FPN/PAN：融合多尺度特征，是 小目标 检测的关键。
链接到更深处
- 轻量化：知识集/计算机视觉/模型轻量化
- 落地：知识集/计算机视觉/边缘端部署