在CV领域，两阶段通常指两阶段目标检测算法，俗称2-stage。
以最为经典的2-stage算法Faster R-CNN为例进行说明：
第一阶段是为了区分前景和背景，仅做二分类，同时回归得到前景所在的区域范围，称作RoI(Region of Interest)，通常用矩形框表示，俗称bbox (bounding box)；
第二阶段利用RoI在CNN提取的特征图上抠取对应范围的特征，再次进行分类和回归预测。不同于第一阶段，此处的分类是多分类，需要区分出不同物体类别(而非仅仅是前景和背景)。而回归则是预测出物体所在的位置，通常也是用bbox表示。
可以将第二阶段理解为对第一阶段的精调：第一阶段仅仅做个“粗略”的预测，为的是尽量保持召回率(即尽量不要漏掉任何前景)；第二阶段在第一阶段预测的基础上结合CNN提取的特征做进一步调整和预测，使得最终预测的结果更为精确。
通常来说，两阶段算法的精度较一阶段算法高，但在推理速度上却比不过后者。
以Faster RCNN为例的话，第一个阶段是Anchor Proposal 第二个阶段是框回归。你也可以理解为是两个模型混合。