詳細解釋
將圖像分配給預定義類別的計算機視覺任務，深度學習最成功的應用之一，從 2012 年 AlexNet 開始革命。
標準流程：
- 輸入：圖片（RGB 像素）
- 特徵提取：卷積層提取邊緣、紋理、形狀
- 分類頭：全連接層映射到類別概率
- 輸出：Softmax 概率分布
里程碑模型：
- AlexNet（2012）：8 層，ImageNet 冠軍，深度學習復興
- VGG（2014）：小卷積核（3x3）堆疊，簡潔美學
- ResNet（2015）：殘差連接，可訓練 152+ 層
- EfficientNet（2019）：復合縮放，效率優先
- Vision Transformer（2020）：Transformer 進軍視覺
應用：
- 醫療：X 光、CT、病理切片診斷
- 自動駕駛：交通標識識別
- 安防：人臉識別、異常檢測
- 零售：貨架分析、自助結賬
- 農業：作物病害識別
挑戰：
- 對抗樣本：微小擾動導致錯誤分類
- 分布偏移：訓練數據與真實場景差異
- 長尾：罕見類別樣本少
- 可解釋性：為何這樣分類？
評估指標：
- Top-1/Top-5 準確率：最常見
- 混淆矩陣：各類別的詳細表現
- AUC-ROC：不平衡數據更可靠
與目標檢測、分割的區別：
- 分類：整張圖是什麼
- 檢測：圖中有什麼，在哪裡
- 分割：每個像素屬於什麼
這是「電腦視覺」的基礎任務—— 從「看到」到「理解」的第一步。