前言

本文为MATLAB算法实战应用案例精讲-【图像处理】目标检测（附实战案例及代码实现）的补充篇。

目标检测从2001年开始，在2012年成为分水岭，因为这一年基于深度学习的目标检测方法，逐渐使目标检测进入到快速发展的阶段，比较流行的算法可以分为两类，一类是基于Region Proposal的R-CNN系算法（RCNN、SPPNet、FasterRCNN、Pyramid NetWorks等），它们是two-stage的，需要先算法产生目标候选框，也就是目标位置，然后再对候选框做分类与回归。而另一类是Yolo，SSD这类one-stage算法，其仅仅使用一个卷积神经网络CNN直接预测不同目标的类别与位置。第一类方法是准确度高一些，但是速度慢，但是第二类算法是速度快，但是准确性要低一些。
 

目标检测是给定一个图像，找到其中的目标及其位置，并对目标进行分类，目标检测通常是在一组固定的类上进行训练的，所有模型只能定位和分类已训练的那些类，而且目标的位置通常都是边界矩阵的形式（包含左上角位置和宽+高），所以目标检测需要设计图像中的目标的位置信息和对目标