初始化：从 docx 拆分为独立 Markdown 章节

将《设计人工智能：基础与应用》拆分为 38 个 Markdown 文件，按 11 个部分（上篇6部分+下篇5部分）+ 3 个附录组织。 Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>
2026-04-25 10:32:58 +08:00
commit e58b95d227
42 changed files with 4857 additions and 0 deletions
@@ -0,0 +1,168 @@
+
+## 学习目标
+
+理解目标检测与图像分类的区别
+
+掌握YOLO系列的发展脉络
+
+了解目标检测在设计中的应用
+
+### 从分类到检测
+
+#### 图像分类
+
+`输入图像`` → CNN → ``类别标签`\
+`"``猫``"  (``单标签``)`
+
+#### 目标检测
+
+`输入图像`` → CNN → [``位置``, ``类别``]`\
+`[``边界框``, "``猫``", 0.95]`\
+`[``边界框``, "``狗``", 0.87]`
+
+**核心差异**：检测需要同时解决"是什么"和"在哪里"
+
+### 检测器类型
+
+#### Two-Stage检测器
+
+`第一阶段：候选区域生成`\
+`    RPN (Region Proposal Network)`\
+\
+`第二阶段：分类与回归`\
+`    ``对每个候选框进行精确预测`\
+\
+`代表：``R-CNN, Fast R-CNN, Faster R-CNN`
+
+特点：准确率高，速度慢
+
+#### One-Stage检测器
+
+`直接预测：一次性输出所有边界框和类别`\
+\
+`代表：``YOLO, SSD, ``RetinaNet`
+
+特点：速度快，实时性好
+
+### YOLO系列演进
+
+#### YOLO v1 (2016)
+
+**核心思想**：将检测转化为回归问题
+
+`输入图像`` → S×S``网格`` → ``每个网格预测``B``个边界框`
+
+创新点： - 端到端训练 - 实时检测 (45 FPS)
+
+#### YOLO v2-v4
+
+  ----------------------------------
+  版本   主要改进
+  ------ ---------------------------
+  v2     Batch Normalization, 锚框
+
+  v3     多尺度预测
+
+  v4     CSPDarknet, PANet
+
+  v5     PyTorch实现，工程优化
+
+  v8     重新设计，更易用
+  ----------------------------------
+
+#### YOLO工作流程
+
+##### 1. 输入图像 (640×640)
+
+`↓`
+
+##### 2. Backbone特征提取
+
+`↓`
+
+##### 3. Neck特征融合 (FPN + PAN)
+
+`↓`
+
+##### 4. Head检测输出
+
+`- ``边界框坐标`
+
+`- ``目标置信度`
+
+`- ``类别概率`
+
+### 评估指标
+
+#### IoU (交并比)
+
+`IoU`` = ``预测框与真实框的交集`` / ``并集`\
+\
+`      ┌─────────┐`\
+`      │ ``预测框``  │`\
+`      │  ┌───┐ │`\
+`      │  │``真`` │ │`\
+`      └──┼──┼─┘`\
+`         └───┘`\
+\
+`IoU`` = ``重叠面积`` / ``总面积`
+
+### mAP (平均精度均值)
+
+在不同IoU阈值(0.5, 0.75...)下的平均精度
+
+综合衡量定位准确度和分类准确度
+
+### COCO数据集
+
+80类物体，包含： - 目标检测 - 实例分割 - 关键点检测 - 图像说明
+
+## 设计领域应用
+
+建筑识别
+
+`卫星图像`` → YOLO → ``建筑物边界框`\
+`    ↓`\
+`自动生成建筑轮廓`
+
+场景分析
+
+`室内照片`` → ``目标检测`` → ``家具识别`\
+`    ↓`\
+`空间布局分析`
+
+遗产保护
+
+`无人机影像`` → ``建筑病害检测`\
+`    ↓`\
+`自动化巡检与记录`
+
+## 思考与练习
+
+1.Two-Stage和One-Stage检测器的权衡是什么？
+
+2.为什么YOLO能实现实时检测？
+
+3.目标检测在规划设计中有哪些潜在应用？
+
+## 关键术语
+
+  -------------------------------------------------------
+  中文           英文           说明
+  -------------- -------------- -------------------------
+  边界框         Bounding Box   矩形目标框
+
+  锚框           Anchor Box     预定义的候选框
+
+  非极大值抑制   NMS            去除重复检测
+
+  交并比         IoU            Intersection over Union
+
+  平均精度       AP             Average Precision
+  -------------------------------------------------------
+
+## 延伸阅读
+
+[Ultralytics YOLO文档](https://docs.ultralytics.com/)
+
+[COCO数据集](https://cocodataset.org/) \# 02.3 语义分割与空间分析