目前主流的目標(biāo)檢測(cè)算法主要是基于深度學(xué)習(xí)模型，大概可以分成兩大類別：（1）One-Stage目標(biāo)檢測(cè)算法，這類檢測(cè)算法不需要Region Proposal階段，可以通過一個(gè)Stage直接產(chǎn)生物體的類別概率和位置坐標(biāo)值，比較典型的算法有YOLO、SSD和CornerNet；（2）Two-Stage目標(biāo)檢測(cè)算法，這類檢測(cè)算法將檢測(cè)問題劃分為兩個(gè)階段，第一個(gè)階段首先產(chǎn)生候選區(qū)域（Region Proposals），包含目標(biāo)大概的位置信息，然后第二個(gè)階段對(duì)候選區(qū)域進(jìn)行分類和位置精修，這類算法的典型代表有R-CNN，F(xiàn)ast R-CNN，F(xiàn)aster R-CNN等。.