什么是目标检测？
目标检测的任务是找出图像中所有感兴趣的目标（物体），确定他们的类别和位置，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、姿态，再加上光照、遮挡等因素的干扰，目标检测在计算机视觉中也是一项具有挑战性的任务。
机器视觉中关于目标检测有4大类任务：
- 分类（Classification）：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）：定位出这个目标的的位置。
- 检测（Detection）：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
这4大类任务结果如图所示：
什么是IoU呢？
交并比是预测边界框和标注数据边界框的交集和并集之间的比率，这个统计量也叫做 Jaccard 指数（Jaccard Index）。要获得交集和并集的值，我们首先把预测边界框覆盖在参考边界框之上，如图：
现在对于每个类别，预测边界框和标注数据边界框的重叠部分叫做交集，而两个边界框跨越的所有区域叫做并集。
比如，图中的马，看起来是这样的：
这个例子中交集区域相当大，交集覆盖的是边界框重合区域（蓝绿色区域），并集覆盖的是橙色和蓝绿色的所有区域。
然后，IoU是这样计算的：
利用IoU，我们就能判断检测结果是否正确，常用的阈值是0.5。如果IoU > 0.5，就认为是一个正确的检测，否则就认为是一个错误的检测。注意：这里的0.5只是一个人为经验值，根据不同的场景要做调整。为了学习方便起见，我们先用0.5，等学会了再调整也不迟。
- 什么是精确率呢？
现在，我们为模型生成的每一个检测边框计算其IoU值，利用该IoU数值和阈值，我们为图片中的每一个类计算其正确检测的数量A。对于每张图片，我们都有标准数据，可以告诉我们在图片中某个特定类别的真实数量B，那么A/B就是该类别的预测精确率了。
比如，给定的图片中类别C的精确率=图片中类别C的真正类数量/图片中类别 C 所有目标的数量。
- 什么是平均精度呢？
对于一个给定的类别，让我们对验证集中的每张图片都计算它的精确率。假设我们的验证集中有 100 张图片，并且我们知道每张图片都包含了所有的类别（根据参考标准告诉我们的信息）。这样对于每个类别，我们会有 100 个精度率的值（每张图片一个值）。让我们对这些 100 个值进行平均。这个平均值叫做该类的平均精度（Average Precision）。
某个类别的平均精度 = 验证集中该类的所有精确率的和 / 含有该类别目标的图像数量。
- 什么是平均精度均值呢？
假设我们有20个类别，对每一个类别，我们都进行相同的计算流程：IoU -> 精确率(Precision) -> 平均精度(Average Precision)。这样就有20个类别的平均进度，我们对所有类别的平均精度值计算其均值（average/mean）。这个新的值，就是我们的平均精度均值 mAP。 （Mean Average Precision）
平均精确度均值 = 所有类别的平均精度值之和/所有类别的数目。
平均精度均值（mAP，Mean Average Precision）是预测目标位置和类别的性能度量标准。我们的任务也将采用平均精度均值作为性能衡量指标。
在确定了算法性能度量后，我们来看看常用目标检测的算法有哪些？