指南

2025 年目标检测深度解析指南

了解目标检测及其在 AI 中的重要性，以及 YOLO11 等模型如何改变自动驾驶汽车、医疗保健和安防等行业。

ABAbirami Vina6 min readFebruary 6, 2025

许多行业正在快速将人工智能 (AI) 解决方案整合到其运营中。在当今可用的众多 AI 技术中，计算机视觉是最受欢迎的技术之一。计算机视觉是人工智能的一个分支，帮助计算机像人类一样看见并理解图像和视频中的内容。它使机器能够识别物体、发现模式，并理解其所看到的内容。

预计到 2032 年，计算机视觉的全球市场价值将增长至 1757.2 亿美元。计算机视觉涵盖多种任务，使视觉 AI 系统能够分析和解释视觉数据。其中，目标检测是计算机视觉最广泛使用且最重要的任务之一。

目标检测专注于定位和分类视觉数据中的物体。例如，如果你向计算机展示一张奶牛的图像，它可以检测出奶牛并在其周围绘制边界框。这种能力在动物监测、自动驾驶汽车和监控等现实应用中非常有用。

那么，如何执行目标检测呢？一种方法是使用计算机视觉模型。例如，Ultralytics YOLO11 是一种支持目标检测等计算机视觉任务的模型。

在本指南中，我们将探索目标检测及其工作原理。我们还将讨论目标检测和 Ultralytics YOLO11 的一些实际应用。

使用 Ultralytics YOLO11 进行奶牛目标检测监测

图 1。使用 YOLO11 的目标检测功能监测奶牛。

什么是目标检测？#

目标检测是一项计算机视觉任务，用于识别和定位图像或视频中的物体。它回答两个关键问题：“图像中有哪些物体？”以及“它们位于哪里？”

你可以将目标检测理解为包含两个关键步骤的过程。第一步是目标分类，它使系统能够根据学习到的模式识别并标记物体，例如识别猫、汽车或人。第二步是定位，通过在物体周围绘制边界框来确定其位置，指示它在图像中的出现位置。这两个步骤结合起来，使机器能够检测并理解场景中的物体。

目标检测的独特之处在于，它既能识别物体，又能精确确定物体的位置。其他计算机视觉任务则专注于不同的目标。

例如，图像分类会为整张图像分配一个标签。而图像分割则提供对不同元素的像素级理解。相比之下，目标检测将识别与定位结合起来。这使它特别适合实时统计多个物体等任务。

图像分类、目标检测和图像分割等计算机视觉任务的比较

图 2。计算机视觉任务比较。

物体识别与目标检测#

在了解各种计算机视觉术语时，你可能会觉得物体识别和目标检测可以互换使用，但它们的用途不同。理解二者差异的一个好方法，是比较人脸检测和人脸识别。

人脸检测是目标检测的一种类型。它会识别图像中是否存在人脸，并使用边界框标记其位置。它回答的问题是：“人脸在图像中的哪里？”这项技术常用于会自动对人脸对焦的智能手机摄像头，或用于检测是否有人出现的安防摄像头。

另一方面，人脸识别是物体识别的一种形式。它不仅会检测人脸，还会通过分析独特特征并将其与数据库进行比较，识别出这是谁的脸。它回答的问题是：“这个人是谁？”使用 Face ID 解锁手机或通过机场安检系统验证身份，背后采用的就是这项技术。

简单来说，目标检测负责查找和定位物体，而物体识别负责对物体进行分类和识别。

目标检测与物体识别的比较

图 3。目标检测与物体识别。图片由作者提供。

许多目标检测模型（如 Ultralytics YOLO11）旨在支持人脸检测，但不支持人脸识别。YOLO11 能够高效识别图像中是否存在人脸，并在其周围绘制边界框，因此适用于监控系统、人群监测和自动照片标记等应用。不过，它无法确定这是谁的脸。YOLO11 可以与专门训练用于人脸识别的模型（如 Facenet 或 DeepFace）集成，从而在单个系统中实现检测和识别。

了解目标检测的工作原理#

在讨论目标检测的工作原理之前，我们先仔细了解一下计算机如何分析图像。计算机并不像我们一样直接看到图像，而是将其分解成由称为像素的小方格组成的网格。每个像素都包含计算机可以处理的颜色和亮度信息，以便解释视觉数据。

为了理解这些像素，算法会根据形状、颜色以及彼此之间的距离，将它们分组成有意义的区域。Ultralytics YOLO11 等目标检测模型能够识别这些像素组中的模式或特征。

例如，自动驾驶汽车并不像我们一样看到行人，而是检测与行人特征相匹配的形状和模式。这些模型依赖于使用标注的图像数据集进行大量训练，从而学习汽车、交通标志和行人等物体的独特特征。

典型的目标检测模型包含三个关键部分：骨干网络、颈部网络和检测头。骨干网络从图像中提取重要特征。颈部网络处理并优化这些特征，而检测头负责预测物体位置并对其进行分类。

优化检测结果并展示结果#

完成初始检测后，会应用后处理技术来提升准确率并过滤掉冗余预测。例如，系统会移除重叠的边界框，确保只保留最相关的检测结果。此外，还会为每个检测到的物体分配置信度分数（表示模型确定检测到的物体属于某一类别的程度的数值），以体现模型对预测结果的确信程度。

最后，系统会通过在检测到的物体周围绘制边界框来呈现输出，同时显示预测的类别标签和置信度分数。这些结果随后可以用于现实应用。

为目标检测自定义训练模型#

训练视觉 AI 模型的过程，就是帮助计算机识别并理解图像和视频。不过，训练可能是一个耗时的过程。迁移学习无需从头开始，而是利用已经能够识别常见模式的预训练模型来加快训练。

例如，Ultralytics YOLO11 已经在COCO 数据集上完成训练，该数据集包含种类丰富的日常物体。你还可以进一步对这个预训练模型进行自定义训练，使其检测原始数据集中可能未包含的特定物体。

要对 Ultralytics YOLO11 进行自定义训练，你需要一个包含目标物体图像的标注数据集。例如，如果你想构建一个用于识别杂货店中不同种类水果的模型，就需要创建一个包含苹果、香蕉、橙子等标注图像的数据集。准备好数据集后，即可训练 YOLO11，并调整批量大小、学习率和训练轮数等参数来优化性能。

通过这种方法，企业可以训练 Ultralytics YOLO11 检测各种目标，从制造业中的缺陷零件到自然保护项目中的野生动物物种，并根据自身的确切需求定制模型。

目标检测的应用#

接下来，我们来看看目标检测的一些现实应用，以及它如何改变各个行业。

自动驾驶中的危险检测#

自动驾驶汽车使用目标检测等计算机视觉任务来安全导航并避开障碍物。这项技术帮助它们识别行人、其他车辆、坑洼和道路危险，从而更好地理解周围环境。通过持续分析环境，它们可以快速做出决策并安全地穿行于车流中。

使用 Ultralytics YOLO11 识别坑洼的目标检测

图 4。使用 Ultralytics YOLO11 通过目标检测识别坑洼的示例。

医疗保健中的医学影像分析#

X 射线、MRI、CT 扫描和超声等医学影像技术能够生成高度详细的人体图像，帮助诊断和治疗疾病。这些扫描会产生大量数据，放射科医生和病理学家等医生必须仔细分析这些数据来检测疾病。然而，详细查看每张图像都可能耗时，而且人类专家有时会因疲劳或时间限制而遗漏细节。

Ultralytics YOLO11 等目标检测模型可以通过自动、高准确率地识别医学扫描中的器官、肿瘤或异常等关键特征来提供辅助。经过自定义训练的模型可以使用边界框突出显示需要关注的区域，帮助医生更快地关注潜在问题。这可以减轻工作负担、提高效率并快速提供洞察。

使用 Ultralytics YOLO11 分析医学图像

图 5。使用 Ultralytics YOLO11 分析医学图像。

通过人员和异常检测提升安全性#

目标跟踪是 Ultralytics YOLO11 支持的一项计算机视觉任务，可实现实时监测并增强安全性。它在目标检测的基础上，识别物体并持续跟踪它们在各帧之间的移动。这项技术广泛应用于监控系统，以提升各种环境中的安全性。

例如，在学校和日托中心，目标跟踪可以帮助监测儿童，防止他们走失。在安防应用中，它在检测限制区域内的入侵者、监测人群是否过度拥挤或存在可疑行为，以及在检测到未经授权的活动时发送实时警报方面发挥着关键作用。通过跟踪物体的移动，基于 Ultralytics YOLO11 的跟踪系统可以提升安全性、自动化监测，并更快应对潜在威胁。