不算。目标检测是指在图像或视频中识别和定位特定的目标对象，如人、车、动物等，并给出其所在的位置信息。而音频场景识别是指对音频信号进行分析和处理，将其分类为特定的场景或环境，如咖啡厅、马路、火车站等。