在计算机视觉众多的技术领域中，目标检测（Object Detection）也是一项非常基础的任务，图像分割、物体追踪、关键点检测等通常都要依赖于目标检测。在目标检测时，由于每张图像中物体的数量、大小及姿态各有不同，也就是非结构化的输出，这是与图像分类非常不同的一点，并且物体时常会有遮挡截断，所以物体检测技术也极富挑战性，从诞生以来始终是研究学者最为关注的焦点领域之一。
目标检测的应用范围很广，如人脸，智慧城市，自动驾驶等等。
在利用深度学习做物体检测之前，传统算法对于目标检测通常分为3个阶段：区域选取、特征提取和体征分类。
区域选取：首先选取图像中可能出现物体的位置，由于物体位置、大小都不固定，因此传统算法通常使用滑动窗口（Sliding Windows）算法，但这种算法会存在大量的冗余框，并且计算复杂度高。
特征提取：在得到物体位置后，通常使用人工精心设计的提取器进行特征提取，如SIFT和HOG等。由于提取器包含的参数较少，并且人工设计的鲁棒性较低，因此特征提取的质量并不高。
特征分类：最后，对上一步得到的特征进行分类，通常使用如SVM、AdaBoost的分类器。
到后面深度学习方法
Anchor Box是学习目标检测过程中最重要且最难理解的一个概念。这个概念最初是在Faster R-CNN中提出，此后在SSD、YOLOv2、YOLOv3等优秀的目标识别模型中得到了广泛的应用。
Anchor Box跟传统目标检测中使用的“Sliding Windows”差不多，只不过并不是固定死的，在输入图像中采样的时候，每个黑色方框代表图像特征提取过程中某个特征图上的特征，以每一个box为中心生成多个大小和宽高比不同的bounding box，这些边界框就是Anchor Box。
对于不同的任务，需要检测的目标也是不同的，相应Anchor的选取大小也是不一样的，比如对于自动驾驶任务中，需要检测车辆，Anchor的大小就可以选取的大一些，而对于昆虫检测任务，Anchor的大小就得选取的小一些。所以Anchor的大小是非常重要的，我们可以在训练前通过在训练集中使用K-Means聚类算法来得到适合训练集的Anchor。
