常見電腦視覺的任務分類如上五種：
- 影像分類：一張影像僅能預測一個標籤，因此不適合用在畫面中同時出現多個物件的情況，適合用在影像包含一個主體、一個場景等。
- 影像多標籤分類：一張影像預測多個標籤，解決影像分類一個標籤的限制，若影像內容複雜、主題不明，也較難完全正確預測每個標籤。
- 物件偵測：預測一張影像中的物件位置與類別，物件位置多以矩形框來描述，矩形框又稱 bounding box (bbox)，通常以下列兩種方式紀錄 bbox：
- 左上角 (x1, y1)、右下角 (x2, y2)
- 左上角 (x1, y1)、bbox 的寬、bbox 的高。 - 語義分割：以像素等級的方式預測一張影像中的物件位置與類別。
- 實例分割：以像素等級的方式預測一張影像中的物件位置與類別，並能區分多個物件。
因此，在語義分割任務，僅能區分出狗與貓，而在實例分割任務，卻能區分出畫面中有兩隻狗與兩隻貓。
感謝您的閱讀，如果文章有益請在底下長按拍手
有任何問題歡迎在底下留言或是來信交流wanju.ts@gmail.com
