物件偵測（Object Detection）是影像辨識中重要的一環～
物件偵測就是在照片或影片等圖像內容中，用＂框＂標出物件的範圍，並且分類為何種物件及附帶他是此物件的猜測機率。

前面有提過：卷積神經網路（CNN）開始大量的被運用來提升辨識率，可以用來辨識影像。
除了辨識影像，另一個研究方向就是物件的偵測，除了分類，還要框出物件的位置。而且除了框出物件的位置還要能即時的反應物件的移動。
　

種類

物件偵測分為兩大類： two stage 和 one stage

• Two stage
  先用演算法生成樣本的候選框，再透過卷積神經網絡做影像辨識，是電腦物件偵測中的一般作法。
• One stage
  很字面上的意思，物件的類別和位置偵測及物件辨識一步到位！這樣的做法速度很快，但精確度就比 two stage 略低了一些。
  但整體辨識率仍在可接受範圍內，因此 One stage 的方法是目前比較多人研發用在行動裝置上的方法。

名詞解釋

現在先來認識一下在物件偵測中會經常看到的名詞吧～

• Selective Search
  這就是上面 two stage 中提到的演算法，透過人工的方式先把物件可能在的地方挑選出來。

• Region Proposal
  經由演算法所挑選出的區域，我們稱為 Region Proposal。

• Bounding box
  我們在文章一開始提到的＂框＂，就是影像辨識中的　bounding box。它含有四個參數（bx, by, bh, bw），分別代表框的 x 座標、y座標、長和寬。

• Ground truth
  bounding box 需要又實際的基準可以比較，而那個基準就稱為 Ground truth，可視為影像中真正包含目標物件的　bounding box。

• Object classification & localization
  物件的分類和定位是物件偵測中最主要的步驟，剛剛認識的 two stage 就是將這兩個步驟分開來做；而 one stage 則是將兩步驟一起處理。

  *未完待續．．．．．．

圖片來源1
圖片來源2