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，适用于在不同尺度上检测物体。最后，检测头使用这些特征来预测物体的类别和位置（边界框坐标）。性能的衡量标准通常有：评估定位精度的 "交集大于联合"（IoU）和评估整体检测质量的 "平均精度"（mAP），详细解释可参考COCO 数据集评估页面等网站。

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：这些模型首先提出物体可能所在的兴趣区域（RoIs），然后对每个兴趣区域的边界框进行分类和细化。例如 R-CNN 系列，如Faster R-CNN。这些模型通常具有很高的准确性，但计算量较大。
• 单阶段检测器：这些模型直接从输入图像中一次性预测边界框和类概率，跳过了区域建议步骤。例如单次多框检测器（SSD）和 Ultralytics YOLO系列。它们通常具有更快的实时推理速度，因此适合需要快速响应的应用。现代单级探测器，如 YOLO11等现代单级检测器通常采用无锚技术，与基于锚的旧方法相比简化了设计。您可以探索不同YOLO 模型之间的比较，了解它们的演变。

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：为整幅图像指定一个标签（如 "猫"、"狗"）。它能全面识别图像中的内容，但不能识别特定对象的位置。有关示例，请参阅Ultralytics 分类任务文档。
• 语义分割：将图像中的每个像素归入一个预定义的类别（例如，所有属于汽车的像素都标记为 "汽车"）。它能提供密集预测，但不能区分同一对象类别的不同实例。
• 实例分割：比语义分割更进一步，对每个像素进行分类，并区分各个物体实例（例如，标注 "汽车 1"、"汽车 2"）。它结合了物体检测和语义分割。更多详情请查看Ultralytics 分割任务文档。

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：

• 自动驾驶汽车：自动驾驶汽车通过检测行人、其他车辆、交通标志和车道标记来感知周围环境，这一点至关重要。Waymo等公司在很大程度上依赖于复杂的物体检测。了解更多有关自动驾驶汽车中的人工智能的信息。
• 安全与监控：在安全系统中用于检测未经授权的访问、监控人群中的异常活动或实施面部识别。有关实例，请参阅《Ultralytics 安全警报系统指南》。
• 医学图像分析：协助放射科医生检测 X 射线、CT 扫描和核磁共振成像中的肿瘤或骨折等异常情况。使用YOLO11 探索人工智能在医疗保健领域的解决方案和具体应用，如肿瘤检测。
• 零售分析：支持自动结账、货架监控和人工智能库存管理等应用。

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：

• 深度学习框架：库，如 PyTorch(访问PyTorch 官方网站）和 TensorFlow(请访问TensorFlow 网站）等库提供了核心构建模块。
• 计算机视觉库： OpenCV（官方网站：OpenCV.org）为图像处理和操作提供了广泛的功能。
• 模型和平台： Ultralytics 提供最先进的Ultralytics YOLO 模型和Ultralytics HUB平台，简化了训练定制模型、管理数据集（如 COCO）和部署解决方案的过程。
• 开源：许多物体检测架构和工具都是在开源许可下开发的，这促进了人工智能社区内的合作与创新。GitHub等资源承载了这一领域的众多项目。