【1】目标检测简述

1.目标检测的基本任务

目标检测是计算机视觉的一个基本方向。其基本任务就是从一张图片里找到一些物体，判断这些物体是什么，并且尽可能好的把这个物体用一个矩形框给框起来。
其中确定物体是什么就是一个分类任务
而对边界框进行确定就需要回归任务

如何知道一个矩形框的具体位置呢，要么你知道左上角的顶点座标，然后还知道矩形的宽和高。要么你知道左上角和右下角两个对角顶点的座标。

基本的任务很清楚，但是实操起来会遇到几个基本的问题：

• 图像中的目标个数不确定，比如上图有好几个人，那也可能人更多，也可能一个也没有。我们事先是不知道有几个目标，每个目标有几个的。
• 矩形框的位置到底怎么求才最好。

2.目标检测发展历程简述

在神经网络火之前，也有传统的目标检测算法。比如滑动窗口，但是这种算法处理起来慢，而且性能并不是十分的好。

后来，神经网络被用于目标检测，逐渐有了R-CNN，Fast R-CNN，Faster R-CNN， Mask R-CNN，Yolo，SSD等等算法。

这些算法大致分为两类：

• two-stage ：先生成候选框，然后再对候选框进行分类和回归，如：各种R-CNN。优点是准确度高，缺点是慢。
• one-stage：直接预测目标的种类和位置。如Yolo，SSD。优点是快，缺点是准确度不够高。

3.目标检测常用算法对比