目標檢測是CV的四大基本任務之一，也是現在CV最熱門的技術，與技術落地息息相關。目標檢測相比於分類與分割，它的損失函數要更難理解一點。
目標檢測與邊界框
目標檢測應用的場景通常是一副圖像裏有很多要關注的目標，比如下圖有貓和狗兩個目標，我們要分別把它們的位置和大小框出來，這用到的框便叫邊界框。目標檢測是解決"在哪裏有什麼"的任務。
錨框
錨框（Anchor）是目標檢測算法最爲核心的概念，它們與標註邊界框的差異引出了損失函數會用到的兩個變量：目標類別和位置偏移量。目標檢測的損失函數既要考慮到預測出來的邊界框包含的目標類別也要考慮到位置大小的正確。
至於錨框如何生成，在訓練階段如何使用，在測試階段又如何使用，以及損失函數是什麼，可以看這篇文章：
錨框：Anchor box綜述