問題描述：圖像檢測分為了基于傳統數字圖像處理的識別方法、基于傳統機器學習的識別方法和基于深度學習的識別方法，但是有時迷惑三者的區別是什么呢？

問題解答：

第一，基于傳統數字圖像處理的識別方法和其他兩者的區分在于基于傳統圖像處理方法沒有損失函數，只需要人工地構造特征，如顏色、形狀和紋理特征，然后設定一個閾值，根據是否大于閾值判斷是不是待檢測目標，整個過程不包含損失函數，不需要制作標簽，屬于無監督學習，而其他兩種方法大都屬于有監督學習。檢測過程常常包含大津閾值法、形態學操作、凸包操作方法等算法。

這樣就把基于傳統數字圖像處理與其他兩種方法區分出來了，其他兩種方法都包含損失函數。

第二，基于傳統機器學習的識別方法與基于深度學習的識別方法的區別在于，基于傳統機器學習的識別方法仍然需要人為地構造特征，然后將特征與標簽分類值一一對應，最終利用分類器達到分類的目的，一般看到的基于傳統機器學習的識別方法都是用在分類任務上。這里我們看到基于傳統機器學習的識別方法與基于深度學習的識別方法都是有損失函數的訓練過程，區別是基于傳統機器學習的識別方法是人為選擇好的特征。常用的算法有有Ｋ最近鄰算法、支持向量機和AdaBoost分類器(中文名字叫作自適應增強分類器)。

第三，基于深度學習的識別方法是利用卷積神經網絡進行特征提取，不涉人為構造特征。在整個分類或者定位的過程中，我們都不知道自己用的哪些特征，是一個黑箱。常用的算法有YOLO、Faster-RCNN和SSD.? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ??

基于傳統數字圖像處理的識別方法和基于傳統機器學習的識別方法常常用在語義分割上。而深度學習YOLO算法是用在矩形框目標檢測上。他們的任務略有不同。