介紹

目標檢測可為許多計算機視覺任務提供動力，例如例項分割，姿勢估計，目標跟蹤和動作識別。這些計算機視覺任務在監視、自動駕駛和視覺問題解答領域具有許多應用。在如此廣泛的實際應用中，目標檢測自然成為最活躍的研究領域。

什麼是物體檢測？

目標檢測是一種計算機視覺技術，可讓我們識別和定點陣圖像或影片中的目標。目標檢測可以分為兩個部分：目標定位和目標分類。定位可以理解為預測影象中某個目標的確切位置（邊界框），而分類將定義該目標屬於哪個類（人、汽車、狗等）。

物體檢測方法

解決物體檢測任務的方法有很多種。我們可以使用多種方法將模型分為三類。

如何檢查目標檢測模型的效能？

提出了各種評估目標檢測模型效能的指標。其中一些是由以下挑戰定義的：

PASCAL VOC挑戰賽（Everingham等，2010）COCO目標檢測挑戰（Lin et al.2014）The Open Images挑戰賽（Kuznetsova 2018）。

要了解這些指標，需要對諸如精度，召回率和IOU的基本概念有很好的理解。以下只是該公式的簡要定義。

平均精度

將AP定義為P-R曲線下的面積，AP可以使用以下公式計算：

均值平均精度

AP的計算僅涉及一類。但是，在目標檢測中，通常有K > 1個類別。

均值平均精度（mAP）定義為所有K個類的AP平均值：