目标检测是计算机视觉里最容易被低估的一块。很多人能跑通图像分类的 demo，也能调通一个分割网络，但一碰到「框出画面里的目标并判断它是什么」就卡住：anchor 怎么设、正负样本怎么分、mAP 为什么上不去、NMS 到底在做什么——这些问题不解决，抄来的代码换个数据集就崩。

这门课定位是 CV 高级班的预习课，名字叫「从零实战目标检测」。它不承诺把你送进大厂，也不负责覆盖整个 CV 知识树，它只解决一件事：让你真正搞懂目标检测这条链路，而不是停在调包层面。如果你正好卡在下面几个缺口上，它值得先花时间过一遍。

先确认你缺的是不是这块

学过卷积、池化、反向传播，但说不清分类网络和目标检测网络在结构上差在哪。
用过现成的检测模型，却不知道一张图进来后，框是怎么一步步被预测出来的。
听过 YOLO、Faster R-CNN、SSD 这些名字，但分不清它们属于哪个体系、各自在解决什么问题。
训练时 loss 能降，评估时 mAP 却看不懂，不知道从哪儿调。

如果上面有两条以上命中，说明你缺的不是「再学一个框架」，而是目标检测的基本概念和流程还没打通。这门预习课就是冲着这个来的：从零开始，把基础概念和原理先立住。

它大致会带你把哪几件事串起来

第一阶段偏基础。会从检测任务的本质讲起——它和分类的区别在于既要定位又要分类，由此引出边界框、置信度、IoU、正负样本这些绕不开的概念。这些词你在论文和代码里天天见，但真正自己解释一遍会发现漏洞很多，这一阶段就是补这个洞。

第二阶段进入主流体系。目标检测发展到现在，大致分两条路线：一条是以候选区域为核心的 two-stage 思路，一条是把检测当成回归问题的 one-stage 思路。课程会覆盖这些主流算法和框架，帮你在脑子里建一张地图——知道每个方法在解决前一个方法的什么痛点，而不是把名字背下来。有了这张地图，你再看新出的模型，至少知道它站在哪个位置上。

配套练习会逼你动手

光看原理，检测这块很容易「听懂了但写不出」。这门课的实战部分要求你独立完成一个检测项目的完整操作：数据准备、模型搭建或调用、训练、评估、推理出框。过程中你会被迫面对那些文档里一句话带过、实际却最耗时间的细节——数据格式对不对、类别映射有没有错位、评估指标算出来为什么是 0。这些坑踩过一遍，比看十篇教程管用。

看完你应该能回答这几个问题

一张图输入检测网络后，输出的到底是什么，怎么从输出还原成画面上的框？
IoU 在训练和推理阶段分别起什么作用？NMS 为什么必要？
two-stage 和 one-stage 的核心差异在哪，各自牺牲了什么换来了什么？
mAP 是怎么算出来的，它涨了或跌了，通常意味着训练里哪一环出了问题？
如果让你换一个自己的数据集重跑一遍，你知道要改哪些地方吗？

这几个问题答不上来，说明检测这块还是空的，建议老老实实从预习课开始；答得上来，说明你已经有底子，可以直接进更深的阶段。缺什么补什么，别假装什么都会——这句话放在目标检测上尤其合适，因为这个领域最不缺的就是「看起来会跑」的代码。