目标检测是计算机视觉领域和机器学习领域的研究热点,至今已有接近20年的研究历史,从过去的Viola-Jones Detector、DPM,到近6年来出现的R-CNN、OverFeat,以及后面的Fast R-CNN,Faster R-CNN,SSD,YOLO系列,再到2018年出现的Pelee。目前,基于深度学习的目标检测技术主要分为两类:two stage的目标检测算法和one stage的目标检测算法。two stage的目标检测算法是先由算法生成一系列作为样本的候选框,再通过卷积神经网络进行样本分类;one stage的目标检测算法不用产生候选框,直接将目标边框定位的问题转化为回归问题处理。正是由于两种方法的差异,其性能也有所不同,前者在检测准确率和定位精度上占优,后者在算法速度上占优。文中以这两类目标检测技术为出发点,对目标检测的研究进展展开论述。