1.2 目标检测在计算机视觉中的地位与应用场景

1.2 目标检测在计算机视觉中的地位与应用场景

本节摘要：目标检测是计算机视觉的承上启下任务——比分类难，是分割和跟踪的基础。本节梳理它的应用版图，帮你理解为什么这个领域这么热。

本节目标

阅读完本节，你应当能够：

1. 理解检测在视觉任务链中的位置
2. 列举主要应用场景
3. 判断什么场景需要目标检测

概念脉络

一、检测在视觉任务链中的位置

目标检测是视觉任务的"中间件"：

• 上游：图像分类（给整图打标签）
• 检测：找出所有目标的位置和类别
• 下游：实例分割（像素级）、目标跟踪（时序）、姿态估计（关键点）、行为识别

很多复杂任务以检测结果为输入，检测是基础能力。例如多目标跟踪（MOT）第一步就是逐帧检测，再用卡尔曼滤波或相似度匹配把同一目标连成轨迹；姿态估计往往先检测到人，再在人的区域里找关键点。可以说，检测做不好，下游任务跟着遭殃。

二、主要应用场景

这七个场景只是缩影。快递分拣、考古遗址、野生动物监测、体育赛事分析都在用检测。判断一个业务是否适合检测：如果它需要"在图像里找出若干对象并知道它们在哪"，就是检测任务的菜。

三、自动驾驶中的检测

自动驾驶是检测最严苛的场景：

• 多类目标：车辆、行人、cyclist、交通标志、车道线
• 实时性：每帧必须 30ms 内处理完
• 安全性：漏检可能致命
• 多传感器：相机 + 激光雷达 + 毫米波雷达融合

自动驾驶对检测有三层要求：一是时延硬约束，决策模块在等检测结果，超过时限就会错过刹车窗口；二是精度上限要求，远处小目标（几十像素的行人）漏检后果严重；三是可靠性，雨雾天、逆光、夜间都要稳定。因此自动驾驶感知常采用多模型冗余：视觉用 YOLO 系保证实时，激光雷达点云用 3D 检测器，两者结果做融合校验。

YOLO 系列因速度快成为自动驾驶感知的主流选择之一。

四、安防监控

• 人脸检测：门禁、支付
• 行人检测：人群密度、异常行为
• 车辆检测：卡口、违停
• 挑战：夜间、遮挡、小目标

安防监控的特点是全天候长视频流：一台摄像头一年跑几百万帧，模型要能扛住光照变化、人群密集、目标尺度跨度大。工程上常用"检测 + 跟踪 + 属性识别"的级联：检测定位人，跟踪维持身份，再对轨迹做行为分析。这类场景对模型速度的要求同样很高，边缘盒子（NVR）上部署轻量 YOLO 是常见方案。

五、工业质检

工业质检用检测找产品缺陷：

• 表面缺陷：划痕、污点、裂纹
• 尺寸测量：零件尺寸偏差
• 特点：精度要求高（亚像素）、产线高速、样本不均衡

质检与通用检测不同：缺陷样本少而难采集，正常样本占绝大多数，属于典型的长尾问题。业界做法是先合成缺陷样本或迁移学习预热，再用小目标友好的检测器（带 FPN）在特定区域检测。有时还会用无监督异常检测（重建误差）先粗筛，再让检测器精定位。产线节拍按秒计，模型推理必须跑到毫秒级。

六、医疗影像

• 病灶检测：肺结节、肿瘤
• 细胞检测：病理切片细胞分类
• 挑战：目标小、边界模糊、标注成本高

医疗场景对假阴性零容忍：漏检一个病灶可能误诊。因此模型往往先低阈值多检出，再由医生复核，或用集成模型投票。肺结节通常只有几毫米，在 CT 切片上占几十像素，需要高分辨率特征和小目标优化。标注需要专业医生，成本高，常用半监督、预训练微调来缓解。医疗检测更看重灵敏度与特异性曲线（ROC/AUC），而不只是 mAP。

七、场景选型建议

选型前先明确三个数字：时延预算（多久出一帧结果）、精度指标（mAP@0.5 还是 mAP@[0.5:0.95]）、算力资源（GPU 还是 ARM）。用一段伪代码辅助判断：

def pick_detector(latency_ms, need_high_accuracy, edge_device):
    if edge_device:
        return "YOLOv5n/s + INT8量化"
    if latency_ms < 30:
        return "YOLOv8s / YOLOX"
    if need_high_accuracy:
        return "Cascade R-CNN / Faster R-CNN+FPN"
    return "YOLOv8m / RetinaNet"
​

⚠️ 常见误区：什么场景都用最准的模型。实时场景用太慢的模型会卡死，边缘设备用大模型会爆显存。按延迟、精度、算力三角选型。

💡 关键直觉：检测是视觉任务链中间件，下游接分割/跟踪/姿态。应用版图广：自动驾驶（实时安全）、安防、工业质检（高精度）、医疗（小目标）。按实时性、精度、算力选型。

一节小结

• 位置：检测是视觉任务"中间件"，上游分类，下游分割/跟踪/姿态。
• 应用：自动驾驶、安防、工业质检、医疗、零售、农业、机器人。
• 自动驾驶：最严苛，多类、实时、安全、多传感器融合。
• 工业质检：高精度、高速、样本不均衡。
• 医疗：小目标、边界模糊、标注贵，假阴性零容忍。
• 选型：实时用 YOLO/SSD，高精度用 Faster R-CNN，边缘用小模型+量化。

下一节讲检测难在哪。