主流深度学习目标检测模型性能对比表
测试基准：基于COCO 2017 数据集，硬件参考NVIDIA Tesla V100 GPU，输入尺寸默认模型标准配置（如 640×640），指标仅供选型参考（实际性能受骨干网络、训练策略、硬件影响）。
| 模型类别 | 模型名称 | 骨干网络 | mAP@0.5:0.95（精度） | FPS（速度） | 参数量（M） | 核心特点 | 适用场景 |
|---|---|---|---|---|---|---|---|
| 二阶段检测器 | Faster R-CNN | ResNet50+FPN | 37.4 | ~5 | 41 | 精度高，锚框+RPN经典架构，端到端训练 | 高精度需求场景（如医疗影像、卫星图像检测） |
| Mask R-CNN（检测+分割） | ResNet50+FPN | 39.8（检测） | ~3 | 45 | 扩展实例分割，RoIAlign优化边框回归 | 检测+分割联合任务（如工业质检） | |
| 一阶段检测器 | YOLOv3 | Darknet53 | 33.0 | 45 | 61 | 多尺度检测，锚框机制成熟，部署简单 | 中等精度+实时场景（如视频监控） |
| YOLOv5s（轻量版） | CSPDarknet53 | 36.7 | 140 | 7.2 | 工程化优化极致，训练速度快，社区生态丰富 | 边缘端实时检测（如无人机、机器人视觉） | |
| YOLOv8s | CSPDarknet53 | 44.9 | 110 | 11 | Anchor-Free，支持检测/分类/分割多任务 | 通用实时检测，兼顾精度与速度 | |
| SSD300 | VGG16 | 28.8 | 58 | 35 | 多特征图检测，早期实时模型代表 | 轻量级实时场景（如移动端简单目标检测） | |
| RetinaNet | ResNet50+FPN | 39.1 | 8 | 38 | Focal Loss解决样本不平衡，精度媲美二阶段 | 复杂场景检测（如密集目标、小目标） | |
| 无锚框检测器 | CenterNet | Hourglass-104 | 41.7 | 142 | 130 | 检测中心点+宽高，无锚框设计，小目标效果好 | 小目标密集场景（如行人检测、文本检测） |
| CornerNet | Hourglass-104 | 40.5 | 29 | 150 | 检测目标角点配对，对异形目标适应性强 | 不规则目标检测（如工业零件、农产品检测） | |
| Transformer基检测器 | DETR | ResNet50 | 42.0 | ~2 | 41 | 纯Transformer架构，端到端无NMS，全局注意力 | 复杂长距离依赖场景（如遮挡目标检测） |
| YOLOv11 | CSPDarknet53+Transformer | 46.8 | 95 | 13 | 融合CNN+Transformer，兼顾局部/全局特征 | 高精度实时检测（如自动驾驶感知） | |
| 轻量化检测器 | MobileNet-SSD | MobileNetV2 | 22.2 | 120 | 4.4 | 深度可分离卷积，参数量极小 | 移动端/嵌入式设备（如手机拍照识别） |
| Tiny-YOLOv5 | CSPDarknet-Nano | 28.0 | 240 | 1.9 | 极致轻量化，牺牲少量精度换取速度 | 超低算力设备（如单片机、智能摄像头） |
关键指标说明
- mAP@0.5:0.95：COCO 标准精度指标，覆盖 IoU 从 0.5 到 0.95 的阈值，数值越高精度越好。
- FPS：每秒处理图像帧数，数值越高速度越快，实时场景一般要求 FPS ≥ 30。
- 参数量：模型参数总量，越小越适合边缘端部署。
