Разберём три задачи на одном примере — фото городской улицы: 1) КЛАССИФИКАЦИЯ — «что это за изображение?»: Модель выдаёт ОДНУ метку на всё фото. Например: «городская улица» или, если задача — что за главный объект, «автомобиль». Один вопрос — один ответ на всё изображение. — Проще всего. — Не говорит, ГДЕ объекты и сколько их — только общая категория. — Применение: сортировка фото по категориям, «брак/норма», определение типа сцены, тональности лица. 2) ДЕТЕКЦИЯ ОБЪЕКТОВ — «что и где?»: Модель находит КАЖДЫЙ объект, рисует вокруг него рамку (bounding box) и ставит метку. На фото улицы: рамка «машина» вокруг каждой машины, рамка «человек» вокруг каждого пешехода, рамка «знак» вокруг знака. — Сложнее классификации: не одна метка, а МНОГО объектов, каждый со своим положением. — Даёт и что, и где, и сколько. — Применение: подсчёт объектов (сколько машин), видеонаблюдение, восприятие для авто, аналитика полок в ритейле. 3) СЕГМЕНТАЦИЯ — «какие именно пиксели принадлежат объекту?»: Ещё точнее детекции. Вместо прямоугольной рамки — ТОЧНАЯ МАСКА: какие конкретно пиксели — это машина, какие — дорога, какие — небо. Обводит точный контур/форму, а не грубый прямоугольник. — Самая точная и сложная из трёх. — Нужна, когда важна точная форма/граница: медицинские снимки (точный контур опухоли), выделение объекта для редактирования фото, точное отделение дороги для авто. — Виды: семантическая (все пиксели «машина» помечены как машина) и по-объектная (различает отдельные машины). Ключевое различие в одной фразе: — Классификация: ЧТО на картинке (одна метка). — Детекция: ЧТО и ГДЕ (рамки вокруг объектов). — Сегментация: КАКИЕ ТОЧНО ПИКСЕЛИ (маска формы). Растущая точность = растущая сложность = обычно больше данных и вычислений нужно. Практический смысл выбора: берите задачу под РЕАЛЬНУЮ потребность, не сложнее необходимого. — Нужно просто категоризировать фото? Классификация — проще, дешевле, меньше данных. — Нужно найти и посчитать объекты, знать их расположение? Детекция. — Нужна точная форма/граница объекта? Сегментация — но она сложнее и требовательнее. Частая ошибка — брать более сложную задачу, чем нужно (сегментацию там, где хватило бы классификации): больше данных, вычислений, сложности без пользы. Определите, какой ВОПРОС вы задаёте изображению, и выберите минимально достаточный тип задачи. Есть и другие задачи (OCR — текст, распознавание лиц, оценка позы, отслеживание на видео), но эти три — фундамент понимания CV. Поняв разницу, вы правильно формулируете задачу и выбираете инструмент.