# 目标检测

# 简介

目标检测是计算机视觉中的一项关键任务，主要用于识别图像或视频中的目标物体，并标出其类别和位置。常见算法包括 YOLO、SSD 和 Faster R-CNN，广泛应用于自动驾驶、安防监控、工业检测等场景。通过深度学习，目标检测已实现高精度和实时性，成为智能视觉系统的重要基础。

# 安装

# 1、环境要求

Java 版本：JDK 11或更高版本
操作系统：Windows/Linux/MacOS

# 2、Maven

在项目的 pom.xml 中添加以下依赖以及平台依赖库，详细引入方式参考 Maven 引入。如需引入全部功能，请使用 smartjavaai-all 模块。

<dependency>
    <groupId>cn.smartjavaai</groupId>
    <artifactId>smartjavaai-objectdetection</artifactId>
    <version>1.0.12</version>
</dependency>

# 方法说明

# 获取默认目标检测模型：

默认模型：YOLO11N，联网自动下载

DetectorModel detectorModel = ObjectDetectionModelFactory.getInstance().getModel();

# 获取目标检测模型（使用自定义模型配置）

DetectorModelConfig config = new DetectorModelConfig();
config.setModelEnum(DetectorModelEnum.SSD_300_RESNET50);//检测模型
DetectorModel detectorModel = ObjectDetectionModelFactory.getInstance().getModel(config);

# 目标检测模型

# SSD 系列

模型名称	骨干网络	输入尺寸	训练数据集	精度（mAP）	推理速度	适用场景
SSD_300_RESNET50	ResNet‑50	300×300	COCO	中等	快	精度需求一般
SSD_512_RESNET50_V1_VOC	ResNet‑50	512×512	Pascal VOC	稍高	中等	精度优先、可接受略低速度的场景
SSD_512_VGG16_ATROUS_COCO	VGG‑16	512×512	COCO	较高	中等	通用场景；对小目标有一定提升
SSD_300_VGG16_ATROUS_VOC	VGG‑16	300×300	Pascal VOC	中等偏上	快	VOC 数据集同类任务；资源受限时使用
SSD_512_MOBILENET1_VOC	MobileNet‑1.0	512×512	Pascal VOC	中等	快	嵌入式/移动端设备；算力和内存都很有限

# YOLO 系列

模型名称	版本	大小（Backbone）	数据集	精度	速度	适用场景
YOLO11N	v11	极轻量	COCO	中等偏上	极快	与 v8n 类似，版本更新点在兼容性与 API
YOLOV8N	v8	极轻量	COCO	中等偏上	极快	对实时性要求极高的应用
YOLOV5S	v5	小型	COCO	较高	非常快	常见通用场景，算力资源有限时优选
YOLOV5S_ONNXRUNTIME	v5	小型	COCO	较高	加速（需 ONNX 支持）	Windows/Linux 通用加速部署
YOLO (MXNet / 通用模型)	v3	DarkNet‑53	COCO	较高	快	需要 MXNet 生态或复现老项目时使用

# YOLOv3 变体系列

模型名称	骨干网络	数据集	输入尺寸	精度	速度	适用场景
YOLO3_DARKNET_VOC_416	DarkNet‑53	VOC	416×416	高	中等	VOC 任务复现；精度优先
YOLO3_DARKNET_COCO_320	DarkNet‑53	COCO	320×320	中等	快	COCO 小模型测试；资源受限
YOLO3_DARKNET_COCO_416	DarkNet‑53	COCO	416×416	高	中等	通用 COCO 部署；精度优先
YOLO3_DARKNET_COCO_608	DarkNet‑53	COCO	608×608	很高	慢	批量离线推理；精度要求极高
YOLO3_MOBILENET_VOC_320	MobileNet‑V1	VOC	320×320	中等	非常快	嵌入式设备；VOC 小目标任务
YOLO3_MOBILENET_VOC_416	MobileNet‑V1	VOC	416×416	高	快	移动端 VOC 部署
YOLO3_MOBILENET_COCO_320	MobileNet‑V1	COCO	320×320	中等	非常快	嵌入式设备；COCO 小目标任务
YOLO3_MOBILENET_COCO_416	MobileNet‑V1	COCO	416×416	高	快	移动端 COCO 部署
YOLO3_MOBILENET_COCO_608	MobileNet‑V1	COCO	608×608	很高	中等	对精度要求较高的移动端任务

# DetectorModelConfig参数说明

字段名称	字段类型	默认值	说明
modelEnum	DetectorModelEnum	YOLO11N	目标检测模型枚举
threshold	double	0.5	置信度阈值，分数低于这个值的结果将被过滤掉。值越高越严格，越低越宽松
device	DeviceEnum	CPU	指定运行设备，支持 CPU/GPU

# DetectorModel API 方法说明

# 目标检测

DetectionResponse detect(String imagePath);
DetectionResponse detect(BufferedImage image);
DetectionResponse detect(byte[] imageData);

# DetectionResponse字段说明

返回并非json格式，仅用于字段讲解

{
  "detectionInfoList": [ //检测信息列表
    {
      "detectionRectangle": { //矩形框
        "height": 174, // 矩形高度
        "width": 147, // 矩形宽度
        "x": 275, // 左上角横坐标
        "y": 143 // 左上角纵坐标
      },
      "objectDetInfo": { //目标检测信息
        "className": "person" //类别
      },
      "score": 0.8118719 //检测结果置信度分数
    }
  ]
}

# 检测并绘制结果

/**
 * 检测并绘制结果
 * @param imagePath 图片输入路径（包含文件名称）
 * @param outputPath 图片输出路径（包含文件名称）
 */
void detectAndDraw(String imagePath, String outputPath);

/**
 * 检测并绘制结果
 * @param sourceImage
 * @return
 */
BufferedImage detectAndDraw(BufferedImage sourceImage);

# 完整示例代码

示例代码 (opens new window)

📁 src/main/java/smartai/examples/objectdetection

└── 📄ObjectDetection.java (opens new window) _{（目标检测示例代码）}

# 离线使用

离线使用请看文档

← 人脸识别常见问题 →