-
生物通官微
陪你抓住生命科技
跳动的脉搏
生物通官微
陪你抓住生命科技
跳动的脉搏
深度学习时代的单阶段目标检测：CNN、Transformer 及混合架构的批判性综述
《ARTIFICIAL INTELLIGENCE REVIEW》：Single-stage object detection in the deep learning era: a critical survey of CNN-, transformer-, and hybrid architectures
【字体： 大 中 小 】 时间：2026年08月25日 来源：ARTIFICIAL INTELLIGENCE REVIEW 18.8
编辑推荐：
摘要单阶段目标检测已成为实时视觉识别的主导范式，这一发展受自动驾驶、无人机和边缘部署需求的驱动。本综述对 2016 年至 2026 年间开发的单阶段检测器进行了批判性回顾，围绕三个架构轴线组织：（i）卷积家族（YOLOv1 至 v26, SSD, RetinaNet, FCO
单阶段目标检测已成为实时视觉识别的主导范式，这一发展受自动驾驶、无人机和边缘部署需求的驱动。本综述对 2016 年至 2026 年间开发的单阶段检测器进行了批判性回顾，围绕三个架构轴线组织：（i）卷积家族（YOLOv1 至 v26, SSD, RetinaNet, FCOS, CornerNet/CenterNet, EfficientDet, RTMDet），（ii）Transformer 家族（DETR 及其衍生模型：Deformable DETR, DAB-DETR, DN-DETR, DINO, RT-DETR），以及（iii）混合 CNN–Transformer 设计（DEYO, RT-DETR）。我们没有按时间顺序罗列模型，而是围绕当代文献中三个存在争议的设计议题组织分析：基于锚框与非基于锚框的回归，基于 NMS 与非基于 NMS 的推理，以及密集像素级与稀疏查询级预测。我们将 35 个代表性模型在 MS COCO 上报告的性能综合成基于文献的荟萃分析，明确记录每行的输入分辨率、硬件、训练计划和主要来源，以便读者公平地解读比较结果。我们进一步提供了与十四篇现有综述的比较，以阐明本文的增量贡献，讨论主要文献中的方法论报告不一致性，并概述了未来单阶段检测研究的可复现性清单。我们最后对应用领域（小目标检测、无人机图像、交通监控、农业）和研究方向（包括无 NMS 训练、开放词汇检测、基础模型辅助检测和 CNN–Transformer 混合）进行了问题驱动的讨论。
单阶段目标检测已成为实时视觉识别的主导范式，这一发展受自动驾驶、无人机和边缘部署需求的驱动。本综述对 2016 年至 2026 年间开发的单阶段检测器进行了批判性回顾，围绕三个架构轴线组织：（i）卷积家族（YOLOv1 至 v26, SSD, RetinaNet, FCOS, CornerNet/CenterNet, EfficientDet, RTMDet），（ii）Transformer 家族（DETR 及其衍生模型：Deformable DETR, DAB-DETR, DN-DETR, DINO, RT-DETR），以及（iii）混合 CNN–Transformer 设计（DEYO, RT-DETR）。我们没有按时间顺序罗列模型，而是围绕当代文献中三个存在争议的设计议题组织分析：基于锚框与非基于锚框的回归，基于 NMS 与非基于 NMS 的推理，以及密集像素级与稀疏查询级预测。我们将 35 个代表性模型在 MS COCO 上报告的性能综合成基于文献的荟萃分析，明确记录每行的输入分辨率、硬件、训练计划和主要来源，以便读者公平地解读比较结果。我们进一步提供了与十四篇现有综述的比较，以阐明本文的增量贡献，讨论主要文献中的方法论报告不一致性，并概述了未来单阶段检测研究的可复现性清单。我们最后对应用领域（小目标检测、无人机图像、交通监控、农业）和研究方向（包括无 NMS 训练、开放词汇检测、基础模型辅助检测和 CNN–Transformer 混合）进行了问题驱动的讨论。
