1. 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），确定它们的位置和大小，是机器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，加上成像时光照，遮挡等因素的干扰，目标检测一直是机器视觉领域最具有挑战性的问题。
计算机视觉中关于图像识别有四大类任务：
分类-Classification：解决“是什么？”的问题，即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：解决“在哪里？”的问题，即定位出这个目标的的位置。
检测-Detection：解决“是什么？在哪里？”的问题，即定位出这个目标的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。
2. 目标检测要解决的核心问题
除了图像分类之外，目标检测要解决的核心问题是：
1.目标可能出现在图像的任何位置。
2.目标有各种不同的大小。
3.目标可能有各种不同的形状。
如果用矩形框来定义目标，则矩形有不同的宽高比。由于目标的宽高比不同，因此采用经典的滑动窗口+图像缩放的方案解决通用目标检测问题的成本太高。
3. 目标检测学习资源
3.1 目标检测论文、代码整理
下边这个网站是一个整理计算视觉的网站，上边会定期更新最新发表的论文以及相关的代码。而且这个仅仅是目标检测一个分类，感兴趣的同学还可以进去看一下其他方向整理的论文与代码
Object Detection - handong1587：https://handong1587.github.io/deep_learning/2015/10/09/object-detection.html
3.2 VOC数据集检测排名
Leaderboards for the Evaluations on PASCAL VOC Data:http://host.robots.ox.ac.uk:8080/leaderboard/main_bootstrap.php
上边网址为以VOC数据集为基础进行目标检测、对象分割以及行为检测等各项排名。你可以从总了解到目前比较先进的检测算法。
4. 目标检测最新进展
随着深度学习与计算机硬件的迅速发展，目标检测与深度学习的结合，目标检测也得以迅速发展，这一部分将在后续部分进行详细讲述(持续更新中)。
目标检测（一）——目标检测综述
目标检测（二）——评价指标
目标检测（三）——R-CNN
目标检测（四）——SPP-Net
目标检测（五）——Fast R-CNN
目标检测（六）——Faster R-CNN
Faster RCNN安装以及Demo运行
目标检测（七）——YOLO
目标检测（八）——YOLO v2
YOLO v2 安装训练测试
darkflow安装测试
目标检测（九）——YOLO v3
目标检测（十）——SSD
目标检测（十一）——DSSD
参考
基于深度学习的目标检测算法综述-SigAI
深度学习时代的目标检测算法-炼数成金订阅号