计算机视觉的任务分类

本篇属「AI 知识」板块，供广告、图文、设计与 AI 应用从业者日常速查。内容整理自公开资料与行业通行做法，涉及数值与工艺的条目，实际生产请以制作方工艺单与设备规格为准。

计算机视觉是什么

计算机视觉，简称 CV，是研究如何让机器从图像或视频中提取信息的领域。它让 AI 不仅能’存下’图片，还能理解画面里有什么、在哪里、是什么形态。

在广告与图文行业，CV 支撑着素材识别、内容审核、智能裁切等多种能力。了解其任务分类，有助于判断某项功能背后的技术类型。

值得一提的是，视觉能力常与文本理解结合，形成能’看图说话’的多模态系统，例如为图片自动生成描述文字、按语言指令检索画面。这类交叉能力正在持续拓宽广告与设计行业的应用边界。

图像分类

图像分类是最基础的任务：给定一张图，判断它属于哪个预设类别，例如’风景”人物”食品’。它回答的是’这张图整体是什么’的问题。

分类常用于内容打标、相册整理与推荐匹配。它关注全局判断，不关心物体在图中的具体位置，是许多上层功能的基础。

需要留意的是，分类结果依赖训练时设定的类别范围。若遇到训练未覆盖的新类别，模型可能强行归入相近项而产生偏差，因此类别体系的设计要贴合真实业务需求，并随业务扩展而更新。

目标检测

目标检测不仅要判断图中有哪些物体，还要用方框标出每个物体在图中的具体位置与大小。它回答’有什么、在哪里’两个问题。

在创意与运营场景，检测可用于自动识别画面中的 Logo、商品或人物，辅助合规检查与元素统计，是比单纯分类更细致的能力。

• 图像分类：判断整图所属类别
• 目标检测：定位并识别多个物体
• 图像分割：精确到像素的区域
• 其他：关键点、视频理解等

图像分割

图像分割进一步把图像按物体或区域切分，逐像素标明归属，例如把前景人物与背景精确分离。它比检测框更精细，常用于抠图与换背景。

在广告设计中，分割能力可支持自动去背、局部替换等高效操作。此外还有关键点识别、视频理解等任务，共同构成视觉能力的版图。

分割的精细程度直接影响后续处理的质量。例如换背景时边缘是否干净，取决于分割是否准确；也正因如此，它常作为智能抠图、局部替换等工具的核心底层能力，对设计效率帮助明显。

任务之间的关系

这些任务并非彼此孤立：分类可为检测提供候选，分割常以检测结果为起点。工程上常把多个任务组合，形成更完整的视觉处理流水线。

具体到某工具支持哪些任务、效果如何，因实现而异，实际以产品官方说明为准。

一句话总结：计算机视觉通过分类、检测、分割等任务让机器理解图像，各自解决’是什么”在哪里”精确到哪片区域’的问题。对图文行业，这是 AI 看懂并处理素材的基础能力。