顧名思義，即從一張中，檢測出有哪些想要知道的物體，同時給出目標所在的位置資訊。在深度學習影象處理研究方面，主要分為兩類----分類和檢測，當然也包括影象合成等其他方面。分類相對簡單，通常一張輸入對應於乙個類。分類的特點就是輸入場景單一，一張屬於乙個類別，在分類方面也有很多經典的網路，例如alexnet、vggnet、resnet等等，現在的準確率也是越來越高。物體檢測（目標檢測 object detection）相對於分類來說比較複雜，因為一張裡面可能存在屬於多個類的多個物體，不僅僅要檢測出多少個目標、每個目標屬於什麼類別，還要確定每個目標的位置（bounding boxes）或者輪廓（影象分割），並且目標的分布存在方向不定、大小不定、位置不定、形狀不定、相互交叉重疊等情況，比較常用的場景有行人檢測、車輛檢測、文字檢測等場景，在應用領域主要包括無人駕駛、安全保障、醫療、農業、生產等領域。
在傳統視覺領域，目標檢測就是乙個非常熱門的研究方向。傳統的目標檢測一般使用滑動視窗的框架，主要包括三個步驟：
1、利用不同尺寸的滑動視窗框住圖中的某一部分作為候選區域；
2、提取候選區域相關的視覺特徵。比如人臉檢測常用的harr特徵；行人檢測和普通目標檢測常用的hog特徵等；
3、利用分類器進行識別，比如常用的svm模型。
傳統的目標檢測中，非常經典的是多尺度形變部件模型dpm（deformable part model），連續獲得voc 2007到2009的檢測冠軍，2023年其作者felzenszwalb pedro被voc授予」終身成就獎」。dpm把物體看成了多個組成的部件（比如人臉的鼻子、嘴巴等），用部件間的關係來描述物體，這個特性非常符合自然界很多物體的非剛體特徵。dpm可以看做是hog+svm的擴充套件，很好的繼承了兩者的優點，在人臉檢測、行人檢測等任務上取得了不錯的效果，但這種特徵提取方式存在明顯的侷限性，首先，dpm特徵計算複雜，計算速度慢；其次，人工特徵對於旋轉、拉伸、視角變化的物體檢測效果差。這些弊端很大程度上限制了演算法的應用場景。正當大家熱火朝天改進dpm效能的時候，基於深度學習的目標檢測橫空出世，迅速蓋過了dpm的風頭，很多之前研究傳統目標檢測演算法的研究者也開始轉向深度學習。
目前目標檢測領域的深度學習方法主要分為兩類：two stage的目標檢測演算法，這類演算法的典型代表是基於region proposal的r-cnn系演算法，如r-cnn，fast r-cnn，faster r-cnn等；one stage的目標檢測演算法，比較典型的演算法如yolo和ssd。前者是先由演算法生成一系列作為樣本的候選框，再通過卷積神經網路進行樣本分類；後者則不用產生候選框，直接將目標邊框定位的問題轉化為回歸問題處理。正是由於兩種方法的差異，在效能上也有不同，前者在檢測準確率和定位精度上佔優，後者在演算法速度上佔優。
pascal voc：
pascal voc對比：
imagenet：
ms coco：
open images：
cifar：
mnist：
kitti（自動駕駛）：
cityscapes（自動駕駛）：
lfw（人臉檢測）：
nuscenes（自動駕駛）：
在目標檢測領域，也有一些特殊的概念和評價標準，主要有：
1. iou
當模型檢測出目標的位置（bbox）時，我們應該怎麼判斷識別的是否正確呢？不同於物體分類可以精確地定義正負，目標檢測幾乎很難做到輸出的目標位置和實際框定的目標一絲不差，一般我們會按照識別結果和實際位置的重合度來判斷正負，比如如果模型輸出的bbox和實際的bbox重合度在50%以上，我們就認為輸出正確。那麼這個重合度是怎麼計算的呢？
iou定義了兩個bounding box的重疊度，如圖2所示，iou=(a∩b)/(a∪b)，就是矩形框a、b的重疊面積佔a、b並集的面積比例。在實際中，我們也常設定乙個iou閾值來判斷識別正誤。
2. 非極大值抑制（nms）
如圖3，定位乙個車輛，最後演算法可能找出了一堆的方框，有些是比較合理的，有些可能只包含了一部分，我們需要判別哪些矩形框是沒用的。先假設有6個矩形框，根據分類器類別分類概率做排序，從小到大分別屬於車輛的概率分別為a、b、c、d、e、f。
非極大值抑制（nms）非極大值抑制顧名思義就是抑制不是極大值的元素，搜尋區域性的極大值。
目標檢測演算法綜述筆記
主要參考兩篇綜述 object detection in 20 years a survey recent advances in deep learning for object detection csdn上有翻譯版，對照這翻譯版，能夠更快的理解，注意如果是菜鳥，最好review三遍，三遍是我從...
目標檢測演算法綜述
1.傳統的目標檢測框架，主要包括三個步驟 1 利用不同尺寸的滑動視窗框住圖中的某一部分作為候選區域 2 提取候選區域相關的視覺特徵。比如人臉檢測常用的harr特徵 行人檢測和普通目標檢測常用的hog特徵等 3 利用分類器進行識別，比如常用的svm模型 2.目標檢測領域的深度學習方法主要分為兩類 對於...
傳統目標檢測演算法綜述
一 viola jones 人臉檢測 1.haar特徵抽取 初始化樣本的權重w，樣本權重之和為1 訓練弱分類器 更新樣本權重 迴圈第二步 結合做個分類器結果，進行投票 2.訓練人臉分類器 3.滑動視窗 二 hog svm 行人檢測，opencv實現 1.提取hog特徵 hog特徵 2.訓練svm分類...