在计算机视觉领域，我们大多数人最常见的疑问之一就是图像分类、目标检测和图像分割有什么区别。当我开始在计算机视觉领域学习时，我也对这些术语感到困惑。所以，我决定分析这些术语来帮助更好地理解它们之间的区别。

Image Classification

给你一张图片:

你会立刻认出它是一只狗。回想一下，你是如何得出这个结论的。您看到了这个图像，并对它所属的类进行了分类(在本例中为狗)。分类是一个比较宽泛的概念，有时很表述会抽象或者包含个人的主观意识。本质上讲，分类的意思就是根据某种属性，将具有相似属性的事物汇总在一起。而类别名称则反应出该类别所具有的特性。

正如你看到的，这里只有一个物体:一只狗。我们可以很容易地使用图像分类模型来预测给定图像中的狗。但是如果我们在一张图片里同时有一只猫和一只狗呢?

---

Multi-label Classification

在这种情况下，大家可能想到一个多标签分类器，使得上副图像的输出为（猫，狗）。但通常多标签分类所要解决的问题往往不仅仅是这种情况。在多标签分类中，有时标签所表达的含义可能比较抽象，但能够反应图像本身特征。比如如下图片:

现在，还有一个问题——在第二副图像中，我们不知道图像中任何一个动物/物体的位置。

---

Object Detection

这指的是图像定位， 它有助于我们识别给定图像中单个对象的位置。 如果存在多个对象，那么我们将引出目标检测的概念。 通过目标检测，我们预测出图像中每个具体物体的类别以及位置信息。其中位置信息往往通过边界框在图像中表示出来，如下图所示：

Object Segmentation

我们知道，图像由一个个像素构成。给定一幅图像，如果我们知道了图像属于哪一类别，包含那些物体，以及这些物体的相应位置。我们同样想将图像中的物体提取出来，我们当然不想简单的通过图像的边界框将其corp出来，那样会包含不属于该物体的很多相邻像素。于是，进一步细化，仅仅将属于该物体的像素识别出来，这将会显示出物体的具体形状。这就是图像分割。

---

In Short

图像分类帮助我们对图像中包含的内容进行分类。图像定位将指定图像中单个对象的位置，而目标检测将指定图像中多个目标的类别及位置。最后，图像分割将对图像中的目标创建一个像素mask，并用来识别图像中不同对象的形状。