目标检测任务
目标检测定位图像中物体的位置(边界框)和类别。比分类更复杂：需要位置回归+类别预测。应用场景：自动驾驶、安防监控、工业检测。
检测方法分类
两阶段检测器
先生成候选区域，再分类和回归。代表：R-CNN系列(Fast R-CNN、Faster R-CNN)。精度高但速度慢。
单阶段检测器
直接从图像预测框和类别。代表：YOLO、SSD、RetinaNet。速度快，实时性好。
YOLO演进之路
- YOLOv1：首个单阶段检测器，开创性工作
- YOLOv2/YOLO9000：BatchNorm、多尺度训练
- YOLOv3：多尺度预测、Darknet-53 backbone
- YOLOv4/v5：训练技巧集成、工程优化
- YOLOv8：Anchor-free设计、性能全面提升
YOLO核心思想
将检测视为回归问题：图像划分网格，每个网格预测边界框和类别。端到端训练，推理速度快。
选择指南
实时应用选YOLO；高精度选两阶段；边缘设备用轻量版本(YOLO-Nano)。
YOLO以速度著称，从v1到v8持续精进，成为检测首选。