扩展目标与点目标检测的区别

扩展目标检测和点目标检测都是计算机视觉中常见的目标检测方法，二者存在一定的区别。

扩展目标检测是指检测出物体边界的同时，还能预测出物体的形状信息，比如物体的旋转角度、长宽比等。常见的扩展目标检测算法包括Faster R-CNN、Mask R-CNN等。这些算法通常采用两阶段检测的方式，首先使用候选区域生成算法生成一系列候选区域，然后对这些候选区域进行分类和回归，同时还会生成物体的掩模信息。

而点目标检测则是指对于物体的每个像素点都进行分类或回归，常见的点目标检测算法包括Mask-RCNN、U-Net、FCN等。这些算法通常采用一阶段检测的方式，直接对输入图像进行像素级别的分类和回归。

总的来说，扩展目标检测可以提供更加准确的物体形状信息，但需要更高的计算量和更长的推理时间；而点目标检测则可以提供像素级别的分类和回归，但对于物体的整体形状信息则不够准确。