物體檢測(識別)是計算機視覺中的經典問題之一，其任務是用框去標出圖像中物體的位置，並給出物體的類別。從傳統的人工設計特征加淺層分類器的框架，到基於深度學習的端到端的檢測框架，物體檢測一步步變得愈加成熟。
邊緣檢測是圖像處理和計算機視覺中的基本問題，邊緣檢測的目的是標識數字圖像中亮度變化明顯的點。圖像屬性中的顯著變化通常反映了屬性的重要事件和變化。 這些包括（i）深度上的不連續、（ii）表面方向不連續、（iii）物質屬性變化和（iv）場景照明變化。 邊緣檢測是圖像處理和計算機視覺中，尤其是特征提取中的一個研究領域。
圖1 彩色圖轉灰度圖cvtColor又轉二值圖threshold 圖2
它們兩者是包含關系，邊緣檢測是物體檢測(識別)的基礎。如果識別出了物體那自然也就識別出了邊緣。然而實際中經常是在物體周邊畫一個四方形，這並不符合我們想要的物體的邊緣。所以基於深度學習的物體檢測和傳統的邊緣檢測或許可以繪制出我們想要的物體輪廓。
Mapping Object Contour by Object Detection and Edge Detection with Machine Learning其實說白了就是圖像分割
https://blog.csdn.net/piaoxuezhong/article/details/78985024
目標識別和圖像分割：https://blog.csdn.net/MIT_sword/article/details/102878715 https://m.oldpan.me/archives/understand-coco-metric
