目标检测是一种定位图像或视频中目标实例的计算机视觉技术。目标检测算法通常利用机器学习或深度学习产生有意义的结果。在观看图像或视频时，人类可以在瞬间识别并定位感兴趣的物体。物体检测的目标是用计算机复制这种智能。对象检测的最佳方法取决于您的应用程序和您试图解决的问题。

深度学习技术需要大量标记的训练图像，因此建议使用GPU来减少训练模型所需的时间。基于深度学习的目标检测方法使用卷积神经网络(cnn或ConvNets)，如R-CNN和YOLO，或使用单次检测(SSD)。您可以训练自定义对象检测器，或者通过杠杆使用预训练的对象检测器转移学习这种方法使您能够从预训练的网络开始，然后根据您的应用程序对其进行微调。卷积神经网络需要深度学习工具箱™。在CUDA上支持训练和预测^®有能力的GPU。建议使用GPU，并且需要Parallel Computing Toolbox™。有关更多信息，请参见计算机视觉工具箱偏好和MathWorks产品中的并行计算支持2022世界杯八强谁会赢？(并行计算工具箱)。

用于目标检测的机器学习技术包括聚合通道特征(ACF)，使用定向梯度直方图(HOG)特征的支持向量机(SVM)分类，以及用于人脸或上体检测的Viola-Jones算法。您可以选择从一个预训练的对象检测器开始，或者创建一个适合您的应用程序的自定义对象检测器。