目标检测是“在哪、是什么”的双重回答，核心为定位+分类，流程包括数据准备（精准标注、划分数据集）、模型选择（传统方法需人工特征，深度学习自动学习）、训练调参（监控损失与mAP）、结果可视化与部署（验证框准度、适配硬件）。
目标检测不是“识别出是什么”，而是“在哪、是什么”的双重回答。整个流程围绕“定位+分类”展开，从原始图像出发，最终输出带类别的边界框坐标。下面按真实操作顺序讲清楚每一步要做什么、为什么这么做、容易卡在哪。
数据准备：标注决定模型上限
目标检测的起点不是代码，是带框的图。一张图里每个目标都要用矩形框标出，并注明类别（如“dog”“car”）。常用工具是LabelImg（XML格式）或CVAT（支持导出YOLO/TensorFlow多种格式）。关键细节：框必须紧贴目标边缘，不能留空隙也不能压住目标；同一张图可含多个不同类别目标；训练集、验证集、测试集按7:2:1或6:2:2划分，且三者图片不重叠。如果自己拍的数据光照不均，建议提前做白平衡和亮度归一化，比后期调参更省力。
特征工程或模型选择：传统方法靠规则，深度学习靠网络
两种路径差异明显：
- 传统方法（如HOG+SVM、Haar+Adaboost）：手动设计特征——比如用方向梯度直方图描述轮廓形状，再用SVM分类。适合固定场景（如工厂流水线上检测同款螺丝），但换背景或角度就失效。
- 深度学习（YOLO、Faster R-CNN等）：跳过人工设计，让卷积网络自动学特征。输入图像，输出坐标+类别概率。主流框架中YOLOv8/v5上手最快，Ultralytics库一行命令就能训；TensorFlow Object Detection API结构清晰，适合想理解pipeline的同学。
模型训练与调参：重点盯住损失曲线和验证指标
训练不是跑完就结束。启动后要实时看三项：
- 分类损失（cls_loss）和定位损失（box_loss）是否同步下降？若cls降得快但box卡住，说明模型学会认类别但框不准，可能需要加大IoU阈值或调整anchor尺寸。
- mAP@0.5（预测框与真值框IoU≥0.5即算对）是否稳定上升？低于0.3要检查标注质量；训练100轮后mAP不上升，大概率是过拟合，该加DropPath或增大数据增强强度。
- 验证集loss突然飙升？可能是学习率太大，建议用余弦退火或ReduceLROnPlateau自动调学习率。
结果可视化与部署：别只信准确率，要亲眼看到框在哪
训练完模型，务必用未见过的测试图跑一遍推理，用OpenCV或matplotlib把预测框画出来。常见问题：框偏大（NMS阈值太低）、漏检（置信度阈值设太高）、类别错判（负样本太少或类别不平衡）。部署时注意：PC端可用PyTorch直接推理；嵌入式设备优先选ONNX格式+TensorRT加速；网页端推荐Triton或Flask轻量封装。YOLO系列输出是[x,y,w,h,conf,class_id]数组，转成图像坐标前记得乘回原图宽高。
基本上就这些。不复杂但容易忽略的是数据质量和验证方式——再好的模型也救不了标错的框，再快的推理也掩盖不了没画出来的检测结果。
