目标检测在图像分类的基础上又进了一步，对于图像上的不同目标用包围框（bounding box）标示出来，并判断类别。相比分类算法每张图片仅能给出一个类标，目标检测的算法更加通用。
同时目标检测算法还需考虑召回率，准确率，速度等多种评价指标
传统机器学习方法解决图像分类可以使用不同大小的包围框在原始图像上滑动形成窗口，将每个窗口对应的图像进行分类判断。当然传统机器学习的目标检测方法有很多，我只举了一个例子
深度学习算法：faster-rcnn（推荐），yolo（推荐）等
深度学习类算法在目标检测任务上的优势依旧明显，推荐先尝试faster-rcnn和yolo算法对数据进行训练测试，看看性能。
