目標檢測是計算機視覺領域的一項核心技術，主要任務是識別圖像或視頻中感興趣的物體（目標），確定它們的類別和在圖像中的位置。
目標檢測在多種場景中都有套用，如視頻監控、自動駕駛、場景理解等。目標檢測面臨的挑戰包括目標可能出現在圖像的任何位置，可能有不同的大小和形狀，以及成像時的光照和遮擋等因素的干擾。目標檢測通常結合了圖像處理和機器學習技術，傳統的方法包括基於手工設計的特徵和分類器，而近年來，深度學習方法的出現極大地推動了目標檢測技術的發展。深度學習目標檢測算法可以分為兩類：兩階段算法（如R-CNN系列）和單階段算法（如YOLO系列和SSD），這些算法通過卷積神經網路提取圖像特徵，然後在特徵圖上進行目標候選區域的生成和分類，以實現準確的目標檢測。