AI 视觉算法总览（任务类型与选型）

📌 关键要点

AI 视觉算法不是单一技术，而是按"输出形式"分为多种任务类型。

• 选算法的本质：先定义任务（要什么输出），再选工具
• 五大任务：图像分类 → 目标检测 → 语义分割 → 实例分割 → 全景分割
• YOLO 是一个多任务家族，不止检测（detect），还有分割（segment）、分类（classify）等
• 潮间带/海岸线等"区域"类任务，应选分割而非检测

一、AI 视觉算法是什么

让计算机"看懂"图像：输入一张图片，输出结构化信息。

核心问题：把图像变成什么信息？——答案决定了用哪类算法。

二、五大任务类型详解

2.1 图像分类（Classification）

2.2 目标检测（Detection）

2.3 语义分割（Semantic Segmentation）

2.4 实例分割（Instance Segmentation）

2.5 全景分割（Panoptic Segmentation）

三、YOLO 是一个多任务家族

YOLO 常被误以为只做检测，实际上从 YOLOv8 起是一个平台、五个任务：

yolo detect    ← 目标检测（矩形框）★ 最经典
yolo segment   ← 语义/实例分割（像素级）★ 区域类任务首选
yolo classify  ← 图像分类
yolo pose      ← 关键点检测（人体姿态）
yolo obb       ← 旋转框检测（航拍船舶等）

对应预训练权重文件命名：

所以"用 YOLO"要说明是哪个任务：yolov8n.pt（检测）和 yolov8n-seg.pt（分割）是两种不同能力的模型。

四、三步选型法

1. 定义输出：我要的结果是"一个标签 / 几个框 / 像素级区域"？
   不确定就画出来：框得住用检测，框不住用分割。
2. 匹配任务：按上表对号入座，选定任务类型。
3. 看约束：数据量（检测/分割需要标注数据）、算力（GPU）、精度/速度取舍。

快速判断口诀：

五、海边/潮间带场景落地选型

潮间带特别说明：潮间带 = 高潮线与低潮线之间的区域，随潮汐动态变化。完整方案通常是：

视觉分割（识别当前画面滩涂/礁石） + 潮位/潮汐数据（推算范围） + 地理矫正（影像投影）

🔗 相关笔记：

• 海岸线识别与海面分割
• YOLO 训练流程（COCO128 入门实战）
• 模型文件（pt/pth）说明与备份指南
• YOLO系列版本演进

📖 资料来源：

• Ultralytics 任务概览（detect/segment/classify/pose/obb）
• Ultralytics 分割任务文档
• DeepLabV3+（语义分割经典论文）
• Mask R-CNN（实例分割经典论文）

📝 创建时间：2026-08-31