yoloV5（一）目标检测概述

机器视觉要解决哪些问题？

机器视觉主要解决的问题有图像分类问题、目标检测问题、图像分割问题。

        图像分类：识别出图像中的物体的类型。例如上图中第一个图，输入图片识别出图片中的物体为猫，而不需要确定猫的位置，则此任务为一个图像分类问题。输入图像输出类别

        目标检测：若图像中只有单一物体,我们不但要预测图像中物体的类型，还需要将物体的位置找出来，属于分类和定位，也是目标检测的特殊一种类。若图像中含有多个物体，每一个物体使用矩形框框出来，并且识别出框中的类别，叫做目标检测。输入图像输出多个类别和多个矩形框框

        图像分割：更细粒度获取像素级别的分类。图像分割分为两类，语义分割：把每一个像素类别输出，并不区分不同物体的像素；实例分割：区分统一类别不同物体的像素。

目标检测发展

冷兵器时代的智慧和深度学习力量下的一种技术美学

        2012年之前的早期的目标检测算法大多是基于手工特征构建的。由于当时缺乏有效的各种计算加速技术资源和有效的图像表示，只能设计复杂的特征表示，精度和速度有很大的局限性。

        2012年之后卷积神经网络出现，卷积神经网络通过一些策略，降低了模型的复杂度，让模型训练成为了可能。卷积神经网络采用原始图像作为输入， 可以有效的从大量样本中学习到相应地特征， 避免了复杂的特征提取过程。目标检测开始以前所未有的速度发展。

目标检测分为两类：单阶段和两阶段。

        两阶段：先从图像中提取若干候选框，再逐一对这些候选框进行分类和甄别，调整坐标最后得出结果。

        单阶段：不提取候选框，直接将图片作为输入，直接放入模型中，直接输出目标检测的结果。是统一的端到端的系统。

        单阶段和两阶段各有优缺点，单阶段比较快，但对于小目标、密集目标识别效果不好。两阶段比较准确，但是比较耗时，不能满足实时任务的需求。

        推荐一篇目标检测综述: Object detection in 20 years: A survey. 虽然是2019年的，但是对于了解目标检测很有帮助。