文档摘要

目标检测与分割 目标检测（object detection）对图像中每个物体进行定位和分类；分割（segmentation）给每个像素分配一个标签。本文件涵盖 IoU、mAP、锚框、R-CNN 家族、YOLO、SSD、特征金字塔网络、语义/实例/全景分割（U-Net、Mask R-CNN、SAM），以及用来评估它们的指标。 图像分类（文件 02）回答"这张图里有什么？"目标检测则问一个更难的问题："这张图里有哪些物体，它们在哪里？" 分割更进一步："哪些像素属于哪个物体或类别？"这些任务构成了一组越来越精细的空间理解层级。 目标检测模型输出一组边界框（bounding box），每个框由四个坐标（左上角 $x, y$、宽度、高度）和一个带置信度分数的类别标签定义。

---