一张照片里有两个人，模型画出了两个方框，却把两个人之间的背景也包在框内。这算检测成功，还是分割失败？读完本文，可以区分分类、检测和分割的输出，计算两个方框的交并比，并在空交集时正确处理评价结果。计算机视觉任务可以使用同一张图，问题定义却不同。分类回答“图中有什么”，检测回答“目标在哪里”，分割进一步回答“哪些像素属于目标”。应根据业务需要的输出精度选择任务，不必一律使用最复杂的模型。文章目录方框框住了人，为什么仍包含大量背景核心概念与工作机制最小示例验证结果常见误区与适用边界总结方框框住了人，为什么仍包含大量背景矩形框用左上角与右下角坐标表示，它只能给出目标的大致空间范围。对姿态复杂的人物，框内通常还有背景。若后续任务要抠图、计算轮廓或逐像素编辑，就需要分割掩码；若只需统计人数或给出大概位置，检测框可能已经足够。任务典型输出能回答的问题图像分类一个或多个类别图里是什么目标检测类别、置信度、矩形框目标在哪里语义分割每个像素的类别哪些区域属于某类实例分割每个目标各自的掩码同类多个目标如何区分核心概念与工作机制检测框。方框通常由四个坐标表示。模型还会给出类别与置信度，后处理可能移除低置信度或高度重叠的候选框。框的交并比 IoU 是交集面积除以并集面积，常用来比较位置重合程度。分割掩码。掩码对像素逐个标记，能保留不规则边缘。语义分割只关心像素类别，实例分割还要区分同类不同个体。边