يُعدّ اكتشاف الأجسام مهمةً في مجال رؤية الحاسوب تُستخدم لتحديد فئات الأجسام في الصور أو مقاطع الفيديو، وتحديد مواقعها في الوقت نفسه. تجمع هذه التقنية بين تصنيف الأجسام وتحديد موقعها المكاني، ما يتطلب ليس فقط تحديد "ما يوجد" في الصورة، بل أيضًا "أين يوجد". وعادةً ما تُحقق فهمًا مُهيكلًا للمشاهد المرئية من خلال التنبؤ بفئات الأجسام، أو المربعات المحيطة بها، أو غيرها من المعلومات المكانية، وهي إحدى المهام الأساسية الهامة في مجال رؤية الحاسوب.

يستند تطوير تقنيات الكشف عن الأجسام إلى أبحاث طويلة الأمد في مجالات متعددة، تشمل تصنيف الصور، وتحديد مواقع الأجسام، ورؤية الحاسوب التقليدية. اعتمدت الطرق المبكرة بشكل أساسي على النوافذ المنزلقة، والميزات المصممة يدويًا (مثل Haar وHOG)، ومجموعات من المصنفات لإتمام عملية البحث عن الأجسام، إلا أن كفاءتها الحسابية وقدرتها على التكيف مع المشاهد المعقدة كانت محدودة. مع تطور التعلم العميق، بدأ الباحثون في استخدام الشبكات العصبية الالتفافية لتعلم الميزات البصرية تلقائيًا. في عام 2014، نشر الباحثون روس غيرشيك وآخرون من جامعة كاليفورنيا، بيركلي، ورقة بحثية... تسلسلات هرمية غنية بالميزات لاكتشاف الكائنات بدقة والتجزئة الدلالية تم اقتراح طريقة R-CNN، التي تُدخل ميزات الالتفاف العميق في مهمة الكشف عن الكائنات، مما يحسن بشكل كبير من أداء الكشف ويصبح أحد الدراسات التمثيلية المهمة في مجال الكشف عن الكائنات باستخدام التعلم العميق.

تعتمد أنظمة الكشف الحديثة عن الأجسام عادةً على تقنيات مثل الشبكات العصبية الالتفافية (CNNs) ونماذج Transformer ونماذج الرؤية الأساسية لتصنيف الأجسام وتحديد مواقعها في الصور. وبحسب طريقة الكشف، يمكن تصنيفها إلى طرق كشف ثنائية المراحل (مثل Faster R-CNN) وطرق كشف أحادية المرحلة (مثل YOLO وSSD)، وتُستخدم على نطاق واسع في تطبيقات مثل القيادة الذاتية، والمراقبة الذكية، وإدراك الروبوتات، والتفتيش الصناعي، وتحليل الصور الطبية. وفي السنوات الأخيرة، شهد نموذج الكشف تطورًا ملحوظًا: إذ تُغني كاشفات Transformer الشاملة، التي يُمثلها DETR، عن خطوات المعالجة اللاحقة اليدوية مثل تصميم مربعات التثبيت وكبح القيم القصوى غير المُحددة؛ كما تُمكّن طرق الكشف ذات المفردات المفتوحة، المُدمجة مع نماذج الرؤية واللغة، النظام من تحديد فئات الأجسام التي لم تُشاهد أثناء التدريب، مما يُوسع نطاق تطبيقات الكشف عن الأجسام.