计算机视觉 / 系统课时
目标检测解决什么问题
目标检测解决什么问题
目标检测要解决的是“图像里有什么,以及它在哪里”。它接收一张图片,输出每个目标的类别、位置和可信程度,使程序不仅能识别内容,还能在画面中准确定位多个对象。
学习目标
- 说清目标检测的输入与输出
- 区分图像分类、目标检测和实例分割
- 判断哪些业务问题适合使用目标检测
从输入到输出
目标检测的输入通常是一张图片或视频帧。模型分析像素后,会返回若干条检测结果,每条结果至少包含类别、边界框和置信度。
边界框描述目标在图像中的位置,类别说明目标是什么,置信度表示模型对这次判断有多确定。一张图中有多个目标时,模型会分别给出多条结果。
例如,交通画面中同时出现两辆汽车和一名行人,检测结果会包含三个框,而不是只返回“这是一张道路图片”。
与分类和实例分割的区别

| 任务 | 主要输出 | 回答的问题 |
|---|---|---|
| 图像分类 | 整张图的类别 | 这张图主要是什么 |
| 目标检测 | 多个类别与矩形框 | 有哪些目标,它们在哪里 |
| 实例分割 | 多个类别与像素级轮廓 | 每个目标具体占哪些像素 |
图像分类只给整张图一个或多个标签,无法指出对象的位置。目标检测在识别类别的同时给出矩形框。实例分割进一步描出每个对象的精确轮廓,但标注成本和计算开销通常更高。
目标检测适合哪些任务
当业务既关心“目标是什么”,又关心“目标出现在哪里”时,通常适合使用目标检测。
- 工业质检:定位产品表面的缺陷
- 智慧交通:检测车辆、行人和交通标志
- 零售分析:统计货架商品数量与摆放位置
- 安防巡检:发现未佩戴安全帽等目标
如果任务只需判断整张图片是否合格,分类可能更简单;如果必须获得精确边缘或面积,实例分割更合适。
检测结果如何用于业务
模型输出不是业务结论本身,还需要结合阈值和规则使用。例如,只有当“未佩戴安全帽”的置信度高于设定值,并且目标位于施工区域内时,系统才触发告警。
因此,一个完整的检测应用通常包括图像输入、模型推理、结果过滤和业务处理四个环节。模型负责看懂画面,业务规则负责决定下一步动作。
本课总结
- 目标检测同时回答“是什么”和“在哪里”
- 它的核心输出是类别、边界框和置信度
- 分类、检测和实例分割应根据定位精度需求选择
下一课预告
下一课将拆解边界框、置信度、交并比和非极大值抑制,理解目标检测结果是如何被衡量与筛选的。
按自己的节奏,确认真正理解。