AI機器視覺應用情境
1.影像分類
透過大小、數量，都可以將畫面上的物品進行分類，即時辨識出各式各樣物體，像是著名廣告台詞「電腦嘛ㄟ撿土豆」，就是利用影像分類來分辨花生大小，大幅減少產線上人力與時間消耗。
2.影像追蹤
可以運用在棒球等運動領域，像是球打出去時追縱球打到哪個位置。或是投手投出球時，軌跡如何變化，都可以拿來作訓練時的應用，分析出打擊力道、落點等。
3.物件偵測
乍聽之下跟影像分類有點類似，但卻更具挑戰，因為必須從影像或視訊中標示出多種物品的位置並分辨、分類。但AI在偵測過程中可能遇到許多困難，如：被其他物品遮蔽（只能看到部分外觀）、環境光線變化（逆光、陰影）、同類間差異（不同品種、顏色）、視角差異（平視、空照、俯角）等。必須能精準感測，標定物品位置，才能做到像是人機互動、瑕疵檢測或人流、車流的控管。
4.語義分割
雖然物件偵測可以辨別物品並分類，但只能大概知道物品位置及大小，無法真正辨別物品的邊界，對於很多進階應用略顯不足，因此利用語義分割可以對每個「圖像」進行分類，而其中不屬於任何一個分類的像素就歸入「背景」，讓我們對圖像瞭解更細緻。通常運用在自動駕駛、機器人以及圖像搜尋引擎等領域。
詳細內文請參考網址