目標檢測必須要OpenCV？10行Python程式碼也能實現，親測好用！
短短10行程式碼就可以實現目標檢測？！
本文作者和他的團隊構建了一個名為ImageAI 的Python庫，集成了現今流行的深度學習框架和計算機視覺庫。本文將手把手教你構建自己的第一個目標檢測應用，而且文摘菌已經幫你踩過坑了，親測有效！
無人超市、人臉識別、無人駕駛，眾多的使用場景及案例，使得【目標檢測】正成為計算機視覺最有前景的方向。
聽起來似乎是個很難實現的技術，需要大量訓練資料和演算法才能完成。事實上，本文作者開發了一個基於Python的函式庫，可以用十行程式碼高效實現目標檢測。
還不熟悉的讀者，我們先來看看，目標檢測到底是什麼，以及軟體開發人員面臨的挑戰。
目標檢測是藉助於計算機和軟體系統在影象/場景中，定位目標並識別出每個目標的類別的技術。目前已廣泛用於人臉檢測、車輛檢測、行人計數、網路影象、安全系統和無人駕駛汽車等領域。隨著計算機技術不斷髮展和軟體開發人員的不懈努力，未來目標檢測技術將更廣泛的普及開來。
在應用程式和系統中使用先進的目標檢測方法，以及基於這些方法構建新的應用程式並不容易。早期目標檢測是基於經典演算法而實現的，如 OpenCV（廣受歡迎的計算機視覺庫）所支援的一些演算法。然而，這些經典演算法的效能會因條件而受到限制。
2012年，深度學習領域取得眾多突破，學者們提出了一系列全新、高精度的目標檢測演算法和方法，比如R-CNN, Fast-RCNN, Faster-RCNN, RetinaNet，以及既快又準的SSD和YOLO等。要使用這些基於深度學習的方法和演算法（當然深度學習也是基於機器學習），需要對數學和深度學習框架有很深的理解。數百萬的軟體開發人員致力於整合目標檢測技術進行新產品的開發。但是想要理解這項技術並加以使用，對非深度學習領域的程式設計師來說並不容易。
一位自學了計算機的開發者Moses Olafenwa在幾個月前意識到了這個問題，並與同伴一起開發了一個名叫ImageAI的Python函式庫。
ImageAI可以讓程式設計師和軟體開發者只用幾行程式碼，就能輕易地把最先進的計算機視覺技術整合到他們現有的以及新的應用程式裡面。
用ImageAI實現目標檢測，你只需要以下步驟：
- 安裝Python
- 安裝ImageAI和相關函式庫
- 下載目標檢測模型檔案
- 執行示例程式碼（只有10行）