2026_DesignAI/03-computer-vision/02.2-object-detection.md

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

COCO数据集 # 02.3 语义分割与空间分析