目标檢測任務是計算機視覺的主要分支之一，但對于目标檢測具體做什麼，目标檢測算法的有哪些類别以及相關定義卻很少會有人關注，雖然這些對于解決實際問題顯得有些無關緊要，但對于更加系統性的學習還是非常必要的。本文僅面向深度學習領域的目标檢測。

一、什麼是目标檢測

• 目标檢測（Object Detection）的任務是找出圖像中所有感興趣的目标（物體），确定它們的類别和位置，是計算機視覺領域的核心問題之一。由于各類物體有不同的外觀、形狀和姿态，加上成像時光照、遮擋等因素的幹擾，目标檢測一直是計算機視覺領域最具有挑戰性的問題。
• 計算機視覺中關于圖像識别有四大類任務：

分類-Classification：解決“是什麼？”的問題，即給定一張圖片或一段視頻判斷裡面包含什麼類别的目标。

定位-Location：解決“在哪裡？”的問題，即定位出這個目标的位置。

檢測-Detection：解決“是什麼？在哪裡？”的問題，即定位出這個目标的位置并且知道目标物是什麼。

分割-Segmentation：分為實例的分割（Instance-level）和場景分割（Scene-level），解決“每一個像素屬于哪個目标物或場景”的問題。

二、目标檢測要解決的核心問題

除了圖像分類之外，目标檢測要解決的核心問題是：

1.目标可能出現在圖像的任何位置。

2.目标有各種不同的大小。

3.目标可能有各種不同的形狀。

三、目标檢測算法分類

基于深度學習的目标檢測算法主要分為兩類：

1.Two stage目标檢測算法

• 先進行區域生成（region proposal，RP）（一個有可能包含待檢物體的預選框），再通過卷積神經網絡進行樣本分類。
• 任務：特征提取—>生成RP—>分類/定位回歸。
• 常見的two stage目标檢測算法有：R-CNN、SPP-Net、Fast R-CNN、Faster R-CNN和R-FCN等。

2.One stage目标檢測算法

• 不用RP，直接在網絡中提取特征來預測物體分類和位置。
• 任務：特征提取—>分類/定位回歸。
• 常見的one stage目标檢測算法有：OverFeat、YOLOv1、YOLOv2、YOLOv3、SSD和RetinaNet等

四、目标檢測的應用

目标檢測具有巨大的實用價值和應用前景。應用領域包括人臉檢測、行人檢測、車輛檢測、飛機航拍或衛星圖像中道路的檢測、車載攝像機圖像中的障礙物檢測、醫學影像在的病竈檢測等。還有在安防領域中，可以實現比如安全帽、安全帶等動态檢測，移動偵測、區域入侵檢測、物品看護等功能。

五、結尾

本文節選自《深度學習500問》，想要更加深入了解學習上文中所提及的算法，可以進入書中目标檢測章節進行學習。

阿木實驗室緻力于為機器人研發提供開源軟硬件工具和課程服務，讓研發更高效！

- End -

技術發展的日新月異，阿木實驗室将緊跟技術的腳步，不斷把機器人行業最新的技術和硬件推薦給大家。看到經過我們培訓的學員在技術上突飛猛進，是我們培訓最大的價值。如果你在機器人行業，就請關注我們的公衆号，我們将持續發布機器人行業最有價值的信息和技術。