物体检测(识别)是计算机视觉中的经典问题之一，其任务是用框去标出图像中物体的位置，并给出物体的类别。从传统的人工设计特征加浅层分类器的框架，到基于深度学习的端到端的检测框架，物体检测一步步变得愈加成熟。
边缘检测是图像处理和计算机视觉中的基本问题，边缘检测的目的是标识数字图像中亮度变化明显的点。图像属性中的显著变化通常反映了属性的重要事件和变化。 这些包括（i）深度上的不连续、（ii）表面方向不连续、（iii）物质属性变化和（iv）场景照明变化。 边缘检测是图像处理和计算机视觉中，尤其是特征提取中的一个研究领域。
它们两者是包含关系，边缘检测是物体检测(识别)的基础。如果识别出了物体那自然也就识别出了边缘。然而实际中经常是在物体周边画一个四方形，这并不符合我们想要的物体的边缘。所以基于深度学习的物体检测和传统的边缘检测或许可以绘制出我们想要的物体轮廓。
Mapping Object Contour by Object Detection and Edge Detection with Machine Learning其实说白了就是图像分割
https://blog.csdn.net/piaoxuezhong/article/details/78985024
目标识别和图像分割：https://blog.csdn.net/MIT_sword/article/details/102878715 https://m.oldpan.me/archives/understand-coco-metric
原文：https://www.cnblogs.com/2008nmj/p/11997116.html