Skip to content

01 目标检测:从 YOLO 到 DETR ​

学习问题 ​

目标检测需要同时回答“有什么、在哪里、置信度如何”。YOLO 类模型将密集预测、候选筛选与后处理组合起来;DETR 将检测表示为固定数量 object queries 与集合匹配,直接输出对象集合。理解两种范式的输出与训练契约,是比较实时检测模型和接入视觉服务的前提。

密集预测与集合预测怎样形成检测结果 ​

维度YOLO 类范式DETR 类范式影响
预测组织网格/多尺度密集候选object queries 与 decoder 输出候选数量和中间表示不同
重复处理通常依赖 NMS 或等价筛选通过集合匹配训练,推理直接输出集合后处理路径不同
标签分配anchor/位置或密集监督规则bipartite matching 的集合监督训练数据与 loss 解释不同
主要质量指标AP、召回、误检/漏检AP、召回、误检/漏检不可只用单帧 FPS 判断

YOLO 密集候选与 DETR object query 的检测范式对照

检测工作负载需要固定哪些对象 ​

字段组至少记录用途
样本image_id、原图尺寸、图像版本与 split确保同一输入集可复测
标注bbox、类别、遮挡/小目标属性与格式检查坐标变换和标签兼容性
预处理resize、padding、增强与坐标映射避免精度差异来自输入变换
输出boxes、scores、labels、阈值与后处理规则对齐模型结果与评测器
结果AP/AR、类别错误、漏检/误检、延迟与显存同时判断质量与实时性

检测证据怎样进入实时性比较 ​

数据工程固定图像来源、标注版本、格式解析和训练/评测隔离;02 实时检测 Transformer在同一类输入、标注和质量指标下比较架构与部署候选。VLM 将视觉表示作为语言模型上下文,并不把边界框输出直接当作视觉词元。

什么记录可以支持检测候选比较 ​

检测候选需要同时保存输入/输出契约、COCO 风格标注版本、预处理、AP/AR、延迟、显存和失败样本。只保存单帧输出或平均 FPS,无法解释质量变化和端到端实时性。

Released under the MIT License.