理工酷

区别

多类目标检测：给定图像，返回一组边界框，这些边界框定位图像中每个目标类别的每个实例，每个实例都标记有相应目标的类别（可以包括置信度）。

因此，目标检测=每个目标实例的分类+本地化。

在ImageNet ILSRVC中，有一个“（图像）分类+本地化任务”，这是其他两个ILSRVC任务——图像分类和目标检测之间的一种中间任务。 在图像分类中，必须为与“主要”目标相对应的图像分配一个标签（最终，该图像可以包含多个目标）。此外，即使图像包含该目标的多个实例，也必须本地化该目标的单个实例，此任务也称为“单实例本地化”。

可参考https://www.quora.com/What-is-the-difference-between-object-detection-and-localization

目标检测方法

• 传统的、非CNN的目标检测方法 Haar特征 级联分类器 Viola-Jones算法

• 基于区域的CNN的目标检测法 Fast R-CNN Faster R-CNN Mask R-CNN

可参考《实用卷积神经网络：运用Python实现高级深度学习模型》