目前主流的目標檢測算法主要是基于深度學習模型，大概可以分成兩大類別：（1）One-Stage目標檢測算法，這類檢測算法不需要Region Proposal階段，可以通過一個Stage直接產生物體的類別概率和位置坐標值，比較典型的算法有YOLO、SSD和CornerNet；（2）Two-Stage目標檢測算法，這類檢測算法將檢測問題劃分為兩個階段，第一個階段首先產生候選區域（Region Proposals），包含目標大概的位置信息，然后第二個階段對候選區域進行分類和位置精修，這類算法的典型代表有R-CNN，Fast R-CNN，Faster R-CNN等。.