边缘检测（Edge Detection/Contour Detection）：效果如下图所示：
目标检测（Object Detection）：
(1)目标分类
(2)目标定位
(3)目标检测
图1 目标分类、定位、检测示例
简单来说，分类、定位和检测的区别如下：
分类：是什么？
定位：在哪里？是什么？（单个目标）
检测：在哪里？分别是什么？（多个目标）
目标分类 目标定位 目标检测
参考文章：https://baijiahao.baidu.com/s?id=1608705724317838896&wfr=spider&for=pc
实例分割（Instance Segmentation）：机器自动从图像中用目标检测方法框出不同实例，再用语义分割方法在不同实例区域内进行逐像素标记。
语义分割（Semantic segmentation）：对图片的每个像素都做分类。
借一个浅显的说法：语义分割不区分属于相同类别的不同实例。例如，当图像中有多只猫时，语义分割会将两只猫整体的所有像素预测为“猫”这个类别。与此不同的是，实例分割需要区分出哪些像素属于第一只猫、哪些像素属于第二只猫
参考文章：https://blog.csdn.net/qq_39295044/article/details/79796663
候选区域（Region Proposal）： 是预先找出图中目标可能出现的位置。它利用了图像中的纹理、边缘、颜色等信息，可以保证在选取较少窗口(几千甚至几百）的情况下保持较高的召回率（Recall）。