|
目标检测任务是计算机视觉的主要分支之一，但对于目标检测具体做什么，目标检测算法的有哪些类别以及相关定义却很少会有人关注，虽然这些对于解决实际问题显得有些无关紧要，但对于更加系统性的学习还是非常必要的。本文仅面向深度学习领域的目标检测。
一、什么是目标检测 - 目标检测（Object Detection）的任务是找出图像中所有感兴趣的目标（物体），确定它们的类别和位置，是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态，加上成像时光照、遮挡等因素的干扰，目标检测一直是计算机视觉领域最具有挑战性的问题。
- 计算机视觉中关于图像识别有四大类任务：
分类-Classification：解决“是什么？”的问题，即给定一张图片或一段视频判断里面包含什么类别的目标。 定位-Location：解决“在哪里？”的问题，即定位出这个目标的位置。 检测-Detection：解决“是什么？在哪里？”的问题，即定位出这个目标的位置并且知道目标物是什么。 分割-Segmentation：分为实例的分割（Instance-level）和场景分割（Scene-level），解决“每一个像素属于哪个目标物或场景”的问题。
二、目标检测要解决的核心问题 除了图像分类之外，目标检测要解决的核心问题是： 1.目标可能出现在图像的任何位置。 2.目标有各种不同的大小。 3.目标可能有各种不同的形状。
三、目标检测算法分类 基于深度学习的目标检测算法主要分为两类： 1.Two stage目标检测算法 - 先进行区域生成（region proposal，RP）（一个有可能包含待检物体的预选框），再通过卷积神经网络进行样本分类。
- 任务：特征提取—>生成RP—>分类/定位回归。
- 常见的two stage目标检测算法有：R-CNN、SPP-Net、Fast R-CNN、Faster R-CNN和R-FCN等。
2.One stage目标检测算法 - 不用RP，直接在网络中提取特征来预测物体分类和位置。
- 任务：特征提取—>分类/定位回归。
- 常见的one stage目标检测算法有：OverFeat、YOLOv1、YOLOv2、YOLOv3、SSD和RetinaNet等
四、目标检测的应用 目标检测具有巨大的实用价值和应用前景。应用领域包括人脸检测、行人检测、车辆检测、飞机航拍或卫星图像中道路的检测、车载摄像机图像中的障碍物检测、医学影像在的病灶检测等。还有在安防领域中，可以实现比如安全帽、安全带等动态检测，移动侦测、区域入侵检测、物品看护等功能。
五、结尾 本文节选自《深度学习500问》，想要更加深入了解学习上文中所提及的算法，可以进入书中目标检测章节进行学习。
| 
