目标检测与识别的定义什么？它的发展历史是怎样的？分类有哪些？每一个分类中有哪些发现？有哪些应用？还存在什么问题？

目标检测与识别是计算机视觉领域中的重要研究方向，其主要目的是通过计算机算法对图像或视频中的目标进行定位、识别和分类等任务。

目标检测与识别的发展历史可以追溯到上世纪80年代，当时主要是通过手工设计特征和分类器来实现目标识别，随着深度学习技术的发展，目标检测与识别进入了以深度学习为主的新时代。目前，目标检测与识别已经成为计算机视觉领域中的核心研究方向之一。

根据不同的分类标准，目标检测与识别可以分为多种类型，如基于传统机器学习的目标检测与识别、基于深度学习的目标检测与识别等。

在基于传统机器学习的目标检测与识别中，常用的方法包括SVM、HOG、Haar等，这些方法主要是通过手工设计特征和分类器来实现目标检测与识别。在基于深度学习的目标检测与识别中，常用的方法包括Faster R-CNN、YOLO、SSD等，这些方法主要是通过深度神经网络来实现目标检测与识别。

目标检测与识别的应用范围非常广泛，主要应用于智能交通、安防监控、无人驾驶、医疗影像分析等领域。

但是，目标检测与识别在实际应用中仍然存在一些问题，例如检测精度不够高、检测速度较慢、对遮挡和光照变化敏感等，这些问题仍需要进一步的技术创新和研究解决。