目标检测是计算机视觉中一项非常基础的任务，其英文为Object Detection。其中，“Object”可以翻译成“目标”，因此目标检测也可以称之为“目标检测”，同时，“Object”也可以翻译成“物体”，因此目标检测也可以称之为“物体检测”。目标检测要完成的主要事情包括：对于给定的图像，我们需要识别出其中的物体即“What”，例如我们识别一张图片上的Car、Horse、Dog和Person，并为其标注类别标签；另外，我们还要用一个矩形框将识别出的物体框出，这个矩形框也称之为“Bounding Box”，找到物体在图片中的定位即“Where”的信息；同时，我们还会给出每个物体的自信度得分即“Convident Score”，表示我们对于该物体所属类别的确定度。除了目标检测，还有其他的任务，如分类（Classification）和分类加定位（Classification and Localization），这些任务是对于单个物体进行识别；还有实例分割（Instance Segmentation），它是对于多个物体进行更精细的区分，需要进行像素级的分类以给出物体的轮廓信息。总体而言，定位的目标是找到检测图像中带有给定标签的单个目标，而目标检测需要找到图像中带有给定标签的所有目标并框出其矩形框。