目标检测是一个很重要的计算机视觉任务，完成对数字图像中特定类别（如人，动物或者汽车）视觉目标实例的检测。目标检测的目标是去发展能够提供为计算机视觉应用所需的最基本信息的计算机模型和技术。
目标检测是一个很重要的计算机视觉任务，完成对数字图像中特定类别（如人，动物或者汽车）视觉目标实例的检测。目标检测的目标是去发展能够提供为计算机视觉应用所需的最基本信息的计算机模型和技术。
作为计算机视觉最基础的问题之一，目标检测构成了许多其他计算机视觉任务的基础，例如实例分割，看图说话，目标跟踪等。从应用的角度来看，目标检测可以被分为两个研究课题：一般的目标检测和检测应用，其中前者的目的是模拟人类视觉和认知，在一个统一框架下去探索检测不同类型目标的方法；后者指的是在特定应用场景下的检测，如行人检测，人脸检测，文本检测等。
近几年，随着深度学习技术的发展，给目标检测带来了新鲜血液，取得了显著的突破，并以史无前例的关注度将目标检测推动为研究热点。现在，目标检测已在现实世界应用中得到了广泛的应用，例如自动驾驶，机器人视觉，视频监控等等。下图显示了近20多年有关目标检测相关日益增长的论文数量。
经过多年的发展，最优秀的目标检测系统整合了大量技术，例如多尺度检测，难分样本发掘，bounding box回归等等。人民总是会问“目标检测的困难和挑战是什么？”，实际上这个问题非常的宽泛，因为不同的检测任务有着完全不同的目标和约束，它们的困难也彼此不一样。
除了在其他计算机视觉任务中的一些共有挑战外，如不同视角的目标，光照的变化，同类目标的变化等，目标检测的挑战包含但不限于如下方面：
目标的旋转和尺度变换（例如小目标）
准确的目标定位
稠密和遮挡目标检测
检测效率加速
