1.目標檢測的基本任務
目標檢測是計算機視覺的一個基本方向。其基本任務就是從一張圖片裏找到一些物體，判斷這些物體是什麼，並且儘可能好的把這個物體用一個矩形框給框起來。
其中確定物體是什麼就是一個分類任務
而對邊界框進行確定就需要迴歸任務
如何知道一個矩形框的具體位置呢，要麼你知道左上角的頂點座標，然後還知道矩形的寬和高。要麼你知道左上角和右下角兩個對角頂點的座標。
基本的任務很清楚，但是實操起來會遇到幾個基本的問題：
- 圖像中的目標個數不確定，比如上圖有好幾個人，那也可能人更多，也可能一個也沒有。我們事先是不知道有幾個目標，每個目標有幾個的。
- 矩形框的位置到底怎麼求才最好。
2.目標檢測發展歷程簡述
在神經網絡火之前，也有傳統的目標檢測算法。比如滑動窗口，但是這種算法處理起來慢，而且性能並不是十分的好。
後來，神經網絡被用於目標檢測，逐漸有了R-CNN，Fast R-CNN，Faster R-CNN， Mask R-CNN，Yolo，SSD等等算法。
這些算法大致分爲兩類：
- two-stage ：先生成候選框，然後再對候選框進行分類和迴歸，如：各種R-CNN。優點是準確度高，缺點是慢。
- one-stage：直接預測目標的種類和位置。如Yolo，SSD。優點是快，缺點是準確度不夠高。
3.目標檢測常用算法對比
