什么是目标检测？大多数人最初学习计算机视觉都是通过图像分类。简单来说，就是给模型输入一张图像，模型利用之前见过的数据来预测图像的内容。例如，你的模型可能会看到下图，并判断这是一张狗的图片。这很有用，但真实的图像通常比这复杂得多。如果像这样的照片里有多只狗，会发生什么呢？或者一张有多只狗和一把椅子的照片？从这些图像中我们可以看出，仅仅一个明确的标签是不够的。为了让这个计算机视觉模型能够实用地应用于许多实际任务，它还需要做更多的事情。它需要告诉我们每个物体是什么，以及每个物体位于哪里。从宏观层面来看，目标检测结合了两项任务。分类：这是什么 物体？定位：对象在哪里？这个位置通常用边界框表示，边界框就是围绕物体的一个矩形。