计算机视觉领域不同的方向：目标识别、目标检测、语义分割等

#计算机视觉任务：

##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

###不同数据集的介绍参考博客：计算机视觉相关数据集和比赛

#通俗的讲解如此下：
图像识别中，目标分割、目标识别、目标检测和目标跟踪这几个方面区别是什么？
作者：许铁-巡洋舰科技
来源：知乎，著作权归作者所有
--------------------- 
作者：ZealCV 
来源：CSDN 
原文：https://blog.csdn.net/u011574296/article/details/78933427 
版权声明：本文为博主原创文章，转载请附上博文链接！