COMPUTER VISION
分类、检测、分割与跟踪：任务边界
计算机视觉任务的差异，首先体现在模型需要输出什么。只有先定义输出对象、空间粒度和时间维度，才能选择合适的数据标注、模型结构与评价指标。
1. 四类任务解决什么问题
| 任务 | 典型输出 | 回答的问题 | 常见指标 |
|---|---|---|---|
| 图像分类 | 类别概率 | 图中主要是什么 | Accuracy、Precision、Recall、F1 |
| 目标检测 | 类别与边界框 | 有什么、在哪里 | IoU、mAP、Recall |
| 语义分割 | 逐像素类别 | 每个像素属于什么 | mIoU、Dice、Pixel Accuracy |
| 目标跟踪 | 跨帧目标身份与轨迹 | 目标之后去了哪里 | MOTA、IDF1、HOTA、Success |
2. 标注粒度决定学习目标
分类标签只描述整张图像；检测框加入了粗粒度空间信息；分割掩膜描述物体边界；跟踪数据还需要跨帧身份一致。标注越细，数据成本越高，但模型能够学习的空间信息也越丰富。
3. 不要仅按模型名称划分任务
同一种骨干网络可以服务不同任务。CNN 或 Transformer 通常负责特征提取，真正决定任务的是预测头、损失函数和训练数据。例如分类头输出类别向量，检测头同时预测类别和位置，分割头恢复空间分辨率。
判断任务的简单方法：先写清楚系统最终必须返回的结构化结果，再选择模型，而不是先选一个热门模型再寻找应用场景。
4. 评价指标要对应实际错误
类别不均衡时，Accuracy 可能掩盖少数类漏检；工业检测通常更关注缺陷召回率和误报率；分割任务不能只看像素准确率，因为背景像素可能占绝大多数；跟踪还需要考虑身份切换，而不仅是每帧检测精度。
参考资料
- CSDN：计算机视觉经典模型
- 常见视觉任务公开文档与指标定义。