目标检测编辑历史

# 概述

目标检测是计算机视觉领域的核心任务之一，旨在从图像或视频中识别出特定类别的物体，并精确标注其位置（通常以边界框形式呈现）。该技术融合了图像分类与定位，广泛应用于自动驾驶、安防监控、医疗影像分析和工业质检等领域。随着深度学习的发展，目标检测经历了从传统手工特征方法到基于卷积神经网络（CNN）的端到端框架的演进，典型代表包括R-CNN系列、YOLO系列和SSD等。当前研究仍围绕实时性、小目标检测和跨模态泛化等挑战展开。

---

## 1 定义与基本概念

### 1.1 目标检测任务描述

目标检测的核心是让计算机“看见”并“指出”图像中的物体。它不仅回答“这是什么物体”，还回答“物体在哪里”。这一任务综合了图像分类和物体定位两种能力，是许多高级视觉应用的基础。

#### 1.1.1 分类与定位的子任务

目标检测可拆解为两个并行子任务：**分类子任务**负责判断边界框内物体的类别（如“猫”、“狗”、“汽车”）；**定位子任务**负责输出物体在图像中的精确边界框坐标（通常表示为\( [x_{center}, y_{center}, w, h] \)或\( [x_{min}, y_{min}, x_{max}, y_{max}] \)）。两个子任务共享输入特征，但通过不同分支输出独立结果。分类往往使用softmax或sigmoid输出概率分布，定位则通过回归输出连续坐标值。

#### 1.1.2 评价指标：mAP、IoU、召回率与精确率

评价目标检测模型性能需要综合分类与定位的准确性：

- **IoU（Intersection over Union）**：预测框与真实框的交集面积除以并集面积，用于判断定位精度。通常设定IoU阈值（如0.5）判定检测是否正确。
- **精确率（Precision）**：所有被模型判定为正类的样本中，真正正类的比例。
- **召回率（Recall）**：所有真实正类样本中，被模型正确检测出