YOLO 從最早的單純物件偵測，目前已經發展為一個全方位的電腦視覺框架，主要支援以下 6 種 AI 辨識任務：

物件偵測：用方框框出物件並辨識類別（如車輛、行人）。

實例分割：精準描繪出物件的像素級輪廓。

語義分割：將圖片中每個像素分類（如區分道路、天空、建築物）。

影像分類：判定整張圖片的核心類別（如分辨貓或狗）。

姿態估計：追蹤人體或物件的關鍵關節點（如運動姿勢分析）。

旋轉物件偵測：支援旋轉角度的邊界框，適合空拍圖、斜向物體或傾斜文字。

1. 物件偵測（Detection）
2. 影像分割（Segmentation）
3. 影像分類（Classification）
4. 姿態辨識（Pose Estimation）
5. 旋轉框偵測（OBB）
6. 語意分割（Semantic Segmentation）
7. 深度估計（Depth Estimation）

物件檢測 (Object Detection)：用矩形框標出目標位置與類別。

實體分割 (Instance Segmentation)：標出目標的精確像素級輪廓。

姿勢估計 (Pose Estimation)：抓取人體或動物的骨架與關鍵點。

旋轉框檢測 (OBB)：辨識具傾斜角度的目標（如航拍照片）。

圖像分類 (Classification)：直接判斷整張圖片的屬性與類別。

物件追蹤 (Tracking)：在動態影片中持續追蹤特定物件的移動軌跡。

1. 物件檢測（Object Detection）
2. 實例分割（Instance Segmentation）
3. 關鍵點與姿勢估計（Pose Estimation / Keypoint Detection）
4. 旋轉框檢測（Oriented Bounding Boxes, OBB）
5. 影像分類（Image Classification）
6. 物件追蹤（Object Tracking / Multi-Object Tracking)
7. 開放詞彙/文字提示辨識（Open-Vocabulary / Zero-Shot Detection）

YOLO 常見的 6 種 AI 辨識功能：
1. 物件偵測：辨識物品並框出位置。
2. 影像分類：判斷圖片中的物品類別。
3. 人體姿態辨識：偵測人體關節與姿勢。
4. 影像分割：辨識物體的精確輪廓。
5. 旋轉框偵測：辨識不同角度的物體。
6. 物件追蹤：持續追蹤移動中的物體。

1. 物件偵測（Object Detection）
辨識畫面中有哪些物品，並用方框標示位置。
例如：人、狗、汽車、手機、杯子。

2. 人體姿態偵測（Pose Estimation）
偵測人體關節位置，常見模型可辨識 17 個人體關鍵點。
例如：膝蓋彎曲角度、手臂抬起、深蹲動作、走路姿勢。

3. 影像分割（Segmentation）
不只用方框辨識物品，還能分出物體的像素範圍。
例如：分辨人物與背景、找出道路或物品的輪廓。

4. 旋轉框偵測（OBB）
使用可旋轉的方框標示物體，適合辨識不同方向的物品。
例如：衛星空拍圖中的船隻、飛機、建築物。

5. 影像分類（Classification）
判斷整張圖片主要屬於哪一個類別，不一定會標示物體的位置。
例如：判斷圖片是貓、狗、汽車或其他物品。

1. 物件偵測（Object Detection）
辨識畫面中有哪些物品，並用方框標示位置。
例如：人、狗、汽車、手機、杯子。

2. 人體姿態偵測（Pose Estimation）
偵測人體關節位置，常見模型可辨識 17 個人體關鍵點。
例如：膝蓋彎曲角度、手臂抬起、深蹲動作、走路姿勢。

3. 影像分割（Segmentation）
不只用方框辨識物品，還能分出物體的像素範圍。
例如：分辨人物與背景、找出道路或物品的輪廓。

4. 旋轉框偵測（OBB）
使用可旋轉的方框標示物體，適合辨識不同方向的物品。
例如：衛星空拍圖中的船隻、飛機、建築物。

5. 影像分類（Classification）
判斷整張圖片主要屬於哪一個類別，不一定會標示物體的位置。
例如：判斷圖片是貓、狗、汽車或其他物品。

物件偵測：辨識物體種類、位置及數量。

影像分類：判斷圖片所屬類別。

影像分割：辨識物體的精確輪廓。

語意分割：分類影像中的不同區域。

人體姿態辨識：辨識人體關節與動作。

旋轉框偵測：辨識不同角度的物體。

深度估計：估計物體的遠近。

物件追蹤：追蹤物體在影片中的移動。

自訂物件辨識：訓練模型辨識特定物件或瑕疵。

文字提示辨識：部分模型可依文字描述尋找物體。

YOLO 主要能做到的 5 種 AI 辨識：
物件偵測（畫框框）

找出物體在哪裡，並用框框標示出來。（例：標出畫面中的行人與車輛）

實體分割（標輪廓）

比畫框更精確，連物體的邊緣形狀都完整塗色圈出來。（例：精準圈出水果或腫瘤的形狀）

姿態估計（抓骨架）

抓出人體骨架的關節點。（例：判斷健身動作是否標準、跌倒偵測）

旋轉框檢測（斜著框）

幫傾斜或旋轉的目標畫斜的框。（例：俯瞰空拍圖中的船隻、傾斜的文字）

影像分類（看整張圖）

不標位置，直接回答整張照片是什麼。（例：判斷這張照片是「貓」還是「狗」）

目標檢測（Object Detection）：
在畫面中的物件周圍標出「邊界框（Bounding Box）」並判斷類別。
實例分割（Instance Segmentation）：
精準描繪出每個物件的邊緣輪廓。
語義分割（Semantic Segmentation）：
按像素將圖像分類。
圖像分類（Classification）：
針對整張圖片判斷屬於哪一個類別。
姿態估計（Pose Estimation）：
辨識人體或物件的關鍵點。
有向邊界框（Oriented Bounding Box, OBB）：
針對具備旋轉角度的物體給予帶角度的方框。
深度估計（Depth Estimation）：
將單張 2D 照片轉換為深度圖，計算每個像素與鏡頭的距離。
多目標追蹤（Multi-Object Tracking）：
在連續的影片或即時影像中，對移動的物件進行跨影格的編號與追蹤。

YOLO 主要提供的 AI 辨識任務
透過不同版本的演進與擴充，YOLO 不僅限於簡單的框選，還支援多種視覺任務：
• 物件偵測（Object Detection）：辨識圖片或影片中的多個目標物，並同時給出類別標籤與邊界框（Bounding Box），常用於車輛、行人或物品偵測。
• 影像分類（Image Classification）：判斷整張圖片主要屬於哪一種類別。
• 實例分割（Instance Segmentation）：不只是框出矩形範圍，還能精準勾勒出目標物的像素級輪廓（常見於 YOLOv8 等版本）。
• 姿勢估計（Pose Estimation）：追蹤人體關鍵點（如關節、骨架），應用於動作辨識與體感追蹤。
• 多物件追蹤（MOT / Tracking）：在連續的影片畫面中，對移動中的目標物進行持續編號與軌跡追蹤。

1. 物件偵測 (Object Detection)原理：辨識影像中的物體，並在物體周圍畫出矩形框 (Bounding Box)，同時標示類別與信心度。 應用場景：智慧交通車流監控、人流統計、邊緣設備安防監控。

2. 旋轉物件偵測 (Oriented Bounding Boxes, OBB) 原理：傳統矩形框只能水平/垂直框選，OBB 帶有角度旋轉能力，能精準貼合傾斜或任意角度擺放的物體。 應用場景：空拍/衛星圖分析、工業零件傾斜瑕疵檢測、傾斜文件辨識。

3. 實體分割 (Instance Segmentation)原理：比單純畫框更精細，它會沿著物體邊緣進行像素級的遮罩 (Mask) 標記，且能區分不同個體（例如：分清第一隻貓與第二隻貓）。 應用場景：自動駕駛邊界識別、醫療影像腫瘤切割、農作物生長區域分析。

4. 語意分割 (Semantic Segmentation) 原理：為影像中的每一個像素填入類別標籤（如：天空、道路、建築物），不強調區分個體，而是理解整張圖的空間結構佈局。 應用場景：自動駕駛的可通行區域辨識、地貌與土地利用繪製。

5. 姿態估計與關鍵點檢測 (Pose Estimation / Keypoint Detection) 原理：識別目標上的關鍵點 (Keypoints)（如人體的關節：肩膀、手肘、膝蓋，或臉部特徵點）並進行連線。 應用場景：健身/體育動作分析、人機互動、工廠人員安全姿勢監控。

6. 影像分類 (Image Classification)原理：不標示物體位置或邊框，而是對整張圖片給出一個整體分類標籤。 應用場景：電商商品自動分類、內容安全審核、不良圖片過濾。

7. 單目深度估計 (Depth Estimation) 原理：僅透過單張普通的 RGB 彩色照片，預測出畫面上每個像素距離鏡頭的深度（距離）。 應用場景：3D 場景重建、機器人避障導航、AR/VR 擴增實境。

額外支援功能：物件追蹤 (Object Tracking) 上述辨識任務皆可搭配 Object Tracking 演算法（如 ByteTRACK、BoT-SORT）。當處理動態影片時，YOLO 能為每個偵測到的目標分配唯一 ID，實現跨影格的連續追蹤（例如：計算車輛經過的速度與軌跡）。

物件偵測 物件分割 姿態辨識 影像分類 旋轉框偵測 語意分割 深度估計

YOLO 提供的 AI 辨識功能主要有：
物件偵測：辨識人、車輛、物品等。
影像分類：判斷圖片的類別。
實例分割：辨識物體的像素級輪廓。
人體姿態辨識：偵測人體關鍵點與骨架。
旋轉框偵測：偵測不同角度的物體。
語意分割：將影像中的像素分類。
物件追蹤：追蹤影片中物體的移動。
深度估計：估計影像中物體的遠近。

YOLO 目前主要有 7 種 AI 辨識任務：Ultralytics

* 物件偵測：辨識人、車、物品的位置。
* 影像分類：判斷圖片屬於哪種類別。
* 實例分割：精準辨識物體輪廓。
* 語意分割：分類圖片中的每個像素。
* 姿態辨識：辨識人體關節與動作。
* 旋轉框偵測（OBB）：辨識不同角度的物體。
* 深度估計：推估畫面中物體的遠近。

另外還能搭配物件追蹤，持續追蹤影片中的人或車。