分類確定影像包含什麼。檢測確定包含什麼以及它們在哪裡。目標偵測會在每個目標周圍繪製邊界框並對其進行標記，因此它在監控、駕駛和零售分析中至關重要。

兩大類演算法佔據主導地位。兩階段檢測器（例如 Faster R-CNN）首先提出區域，然後對其進行分類。單階段偵測器（例如 YOLO 和 SSD）則在一次迭代中即可預測邊界框和類別。單階段模型運行速度更快；而兩階段模型在準確率方面通常略勝一籌。

常見檢測任務

• 行人和車輛偵測
• 人臉偵測
• 製造過程中的缺陷檢測
• 野生動物監測
• 零售貨架分析

小型物件和擁擠場景的檢測仍然很困難。例如，在空曠高速公路上能夠偵測到車輛的偵測器，在交通擁堵的情況下可能就會漏掉它們。特定領域的數據和增強技術有助於彌補這一不足。