目标检测常用的算法

R-CNN系列算法（Region-based Convolutional Neural Networks）：包括R-CNN、Fast R-CNN、Faster R-CNN、Mask R-CNN等，使用候选区域提取方法，再用深度学习网络对候选区域进行分类和定位。

YOLO系列算法（You Only Look Once）：包括YOLOv1、YOLOv2、YOLOv3、YOLOv4等，将目标检测问题转化为回归问题，通过一个卷积神经网络直接对整张图片进行预测。

SSD算法（Single Shot MultiBox Detector）：使用卷积神经网络直接对整张图片进行预测，同时预测多个目标的位置和类别，具有较快的处理速度和较高的准确率。

RetinaNet算法：使用特殊的Focal Loss函数解决了目标检测中正负样本极度不平衡的问题，同时采用特殊的网络结构提高了小目标检测的准确率。

Mask RCNN算法：在Faster RCNN的基础上增加了一个分支来进行实例分割，可以同时输出目标的位置和掩模信息。

FCOS算法（Fully Convolutional One-Stage Object Detection）：采用全卷积网络结构，直接对整张图片进行预测，同时解决了目标尺寸不同、密集分布等问题