##图像分类（image classification）

图像分类：根据图像的主要内容进行分类。 数据集：MNIST, CIFAR, ImageNet

##目标检测（object detection）

给定一幅图像，只需要找到一类目标所在的矩形框 人脸检测：人脸为目标，框出一幅图片中所有人脸所在的位置，背景为非目标 汽车检测：汽车为目标、框出一幅图片中所有汽车所在的位置，背景为非目标 数据集：PASCAL, COCO

##目标识别（object recognition）

将需要识别的目标，和数据库中的某个样例对应起来，完成识别功能 人脸识别：人脸检测，得到的人脸，再和数据库中的某个样例对应起来，进行识别，得到人脸的具体信息 数据集：PASCAL, COCO

##语义分割（semantic segmentation）

对图像中的每个像素都划分出对应的类别，即对一幅图像实现像素级别的分类 数据集：PASCAL, COCO

##实例分割（instance segmentation） 对图像中的每个像素都划分出对应的类别，即实现像素级别的分类，类的具体对象，即为实例，那么实例分割不但要进行像素级别的分类，还需在具体的类别基础上区别开不同的实例。 比如说图像有多个人甲、乙、丙，那边他们的语义分割结果都是人，而实例分割结果却是不同的对象，具体如下图（依次为：原图 ，语义分割 ，实例分割）： 数据集：PASCAL, COCO ———————————————— 版权声明：本文为CSDN博主「ZealCV」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。 原文链接：https://blog.csdn.net/u011574296/article/details/78933427