深度学习问答16：目标检测算法：YOLO系列与Faster-RCNN对比.docxVIP

深度学习问答16：目标检测算法：YOLO系列与Faster-RCNN对比

一、核心问答正文

问题1：什么是目标检测？两大算法流派是什么？

在计算机视觉CV任务层级中，目标检测介于图像分类与图像分割之间，属于框级定位分类任务。相较于图像分类仅识别整张图片主体类别，目标检测需要同时完成两大核心任务：一是分类，判断图片内多个物体所属类别；二是定位，输出物体对应的矩形边界框坐标。

目标检测是自动驾驶、智慧监控、工业缺陷检测、人脸检测、无人机巡检等落地最广泛的视觉任务，也是CV算法岗面试必考核心内容。经过多年迭代发展，行业内所有检测算法可划分为两大主流流派：两阶段（Two-Stage）算法与单阶段（One-Stage）算法，两大流派分别以Faster-RCNN、YOLO系列为标杆代表。

简单概括流派核心差异：两阶段先找候选框、再精细分类；单阶段舍弃候选框筛选，直接一步完成分类与定位，核心矛盾围绕检测精度与推理速度展开取舍。

问题2：深度解析Two-Stage与One-Stage底层逻辑

想要吃透YOLO与Faster-RCNN的区别，首要理解两大流派的运行逻辑，这是所有衍生考点的基础，下面结合通俗案例拆解：

（一）两阶段算法（Two-Stage）

代表算法：R-CNN、Fast-RCNN、Faster-RCNN（行业两阶段天花板）

核心运行流程：第一步通过专属模块生成大量候选区域（Prop