【YOLO系列】目标检测简介

---

---

一、目标检测是什么？

  目标检测是计算机视觉领域中的一项重要任务，主要是在图像或视频中确定特定目标的位置和类别。目标检测算法不仅要识别图像中的对象属于哪个类别，还要确定它们在图像中的具体位置，通常以边界框（bounding box）的形式表示。

二、关键概念和步骤

1. 输入：目标检测算法的输入通常是一张图像或视频帧。
2. 特征提取：算法使用深度学习模型（如卷积神经网络CNN）来提取图像的特征。这些特征捕捉了图像中的视觉信息，为后续的物体识别和定位提供基础。
3. 候选区域生成：在某些检测算法中，如基于区域的卷积神经网络（R-CNN）及其变体，首先需要生成图像中的候选区域，这些区域可能包含感兴趣的物体。
4. 区域分类和边界框回归：对于每个候选区域，算法需要判断它是否包含特定类别的物体，并预测物体的边界框。这通常涉及到分类任务和回归任务的结合。
5. 非极大值抑制（NMS）：在检测过程中，可能会产生多个重叠的边界框，用于表示同一物体。NMS是一种常用的技术，用于选择最佳的边界框并去除多余的框。
   

三、类别

目前目标检测算法主要分为两类：One-Stage（一阶段）和Two-Stage（两阶段）