物体检测架构

核心部件

大多数物体检测架构都由几个共同工作的关键组件组成。骨干网络通常是卷积神经网络（CNN），负责从输入图像中进行初始特征提取，识别边缘和纹理等低级模式以及逐渐复杂的特征。随后通常会有一个 "颈部 "组件，汇总来自骨干网不同阶段的特征，以创建更丰富的表征，适用于检测不同尺度的物体。最后，检测头利用这些特征来预测物体的类别和位置（边界框坐标）。通常使用 "交集大于联合"（IoU）等指标来衡量性能，以评估定位精度。

架构类型

物体检测架构可根据其方法进行大致分类：

• 两阶段检测器：这些架构（如 R-CNN 及其后续产品Faster R-CNN）首先会识别图像中的潜在兴趣区域（区域建议），然后对这些区域内的对象进行分类和完善边界框。它们通常以高精度著称，但速度可能较慢。
• 单级探测器：SSD（单射多盒探测器）和 Ultralytics YOLO(You Only Look Once）等架构可在网络的一次前向传递中同时执行对象定位和分类。这使得它们的速度大大加快，并适合实时推理。现代YOLO 模型，如 YOLO11等现代 YOLO 模型通常采用无锚技术，与基于锚的旧方法相比，可简化设计并提高泛化能力。

与类似术语的区别

必须将物体检测架构与相关的计算机视觉任务区分开来：

• 图像分类：识别图像的主体（如 "猫"），但不能确定其位置。物体检测会告诉你有哪些物体以及它们在哪里。
• 语义分割：将图像中的每个像素划分为预定义的类别（如道路、汽车、天空），提供密集的像素级理解，而不区分单个对象实例。
• 实例分割：比物体检测和语义分割更进一步，它能识别单个物体实例，并为每个实例提供像素级掩码。

实际应用

物体检测架构为各行各业的众多人工智能应用提供了动力：

1. 自动驾驶汽车：通过检测其他车辆、行人、骑车人和交通信号，使自动驾驶汽车能够感知周围环境，从而实现安全导航（参见自动驾驶汽车中的人工智能博客）。
2. 医学图像分析：通过自动检测和定位 X 射线、CT 扫描和 MRI 中的异常情况（如肿瘤、病变或骨折）来协助放射科医生，从而提前做出诊断（探索医疗保健中的人工智能）。
3. 安全与监控：通过检测入侵、识别特定个人（面部识别）或跟踪视频画面中的物体实现自动监控（参见《安全警报系统指南》）。
4. 零售分析：监控货架库存（用于库存管理的人工智能）、分析顾客流量和增强结账系统。

工具和技术

开发和部署基于这些架构的模型通常需要专门的工具和框架：

• Ultralytics YOLO：广受欢迎的模型系列和配套框架，以兼顾速度和准确性而著称，广泛用于实时应用。您可以比较不同的YOLO 版本，如YOLO11 与 YOLOv10。
• Ultralytics HUB：一个无需大量编码即可简化YOLO 模型的训练、管理和部署过程的平台。
• 深度学习框架：库，如 PyTorch和 TensorFlow等库为创建和训练这些复杂的神经网络提供了构件。
• OpenCV：一个重要的开源库，提供大量计算机视觉功能，通常与检测模型一起用于预处理和后处理任务。