阶段学习任务单：计算机视觉
这个阶段的目标是让你理解 AI 如何处理图像和视频。你需要掌握基础图像处理、视觉任务类型、数据标注、模型评估和错误样本分析，而不是只调用一个视觉模型得到结果。
本阶段必须完成的任务
| 任务 | 产出物 | 通过标准 |
|---|---|---|
| 理解视觉任务类型 | 一份任务对比表 | 能区分分类、检测、分割、OCR 和视觉问答 |
| 跑通图像处理 | 一个 OpenCV 练习脚本 | 能读取、裁剪 、缩放、灰度、边缘检测或增强图像 |
| 完成图像分类实验 | 一个分类 Demo | 能说明数据划分、训练/推理流程和指标 |
| 分析错误样本 | 一份误判样本记录 | 能从清晰度、标注、类别混淆和分布差异分析原因 |
| 完成阶段项目 | 一个视觉应用小项目 | 有输入输出、运行方式、指标和限制说明 |
推荐学习顺序
先理解图片在计算机里的表示，再学习 OpenCV 基础处理，然后学习分类、检测、分割、OCR 等任务。不要一开始就追最新模型，先看清每个视觉任务的输入、输出和评估指标。
视觉项目很依赖数据质量。训练前要看样本是否清晰、类别是否平衡、标注是否一致；评估后要看错误样本，而不是只看一个总体分数。
和 AI 学习助手项目的关系
本阶段可以为 AI 学习助手补充视觉能力，例如识别课件截图、OCR 提取图片文字，或分析学习资料中的图表。它也可以作为后续多模态阶段的输入能力。
建议最小功能包括：上传或读取一张课件截图，提取其中的文字或关键区域，输出结构化摘要，并记录失败样本。
常见卡点
常见问题包括图片路径错误、颜色通道 BGR/RGB 混淆、训练样本太少、类别不平衡、标注框不准、只看 Demo 图不看真实输入、把视觉模型结果当成绝对事实。排查时先看原图、预处理结果、标注和错误样本。
轻松版 / 标准版 / 挑战版任务
| 难度 | 你要完成什么 | 适合谁 |
|---|---|---|
| 轻松版 | 读取图片并输出尺寸、模式或预测结果 | 第一遍学习、时间少或刚入门的学习者 |
| 标准版 | 保存成功和失败图片样例 | 希望把本阶段放进作品集的学习者 |
| 挑战版 | 分析一次识别失败来自数据、标注还是模型 | 已有基础、想做更强项目证据的学习者 |
本阶段徽章与 Boss 战
| 类型 | 内容 |
|---|---|
| Boss 战 | 视觉线索猎人 |
| 可解锁徽章 | 图像观察员、视觉失败记录员 |
| 最小通关口号 | 先跑通、再解释、再记录失败 |
| 证据保存建议 | 把截图、日志、失败样本或评估表保存到 reports/、evals/ 或 logs/ |
完成轻松版就可以继续前进；完成标准版才建议写进作品集；挑战版只在你有余力时再做。
阶段作品集交付物
如果你想把本阶段成果沉淀到作品集，建议至少保留下面这些文件或等价材料。
| 交付物 | 说明 |
|---|---|
opencv_demo.py | 图像读取、预处理和基础可视化脚本 |
vision_dataset.md | 数据来源、类别、样本数量、标注方式和限制 |
eval_results.md | 分类准确率、检测 mAP、OCR 命中率或其他指标 |
failure_cases.md | 保存误判图片、可能原因和修复方向 |
README.md | 项目目标、运行命令、输入输出示例和场景边界 |
这些材料会让视觉项目从“能识别一张图”升级成“知道数据、指标、失败和应用边界在哪里”。
阶段通关问题
学完后，你应该能回答这些问题：图像分类、目标检测、分割和 OCR 的输出有什么不同，为什么标注质量会影响模型效果，mAP 和 IoU 解决什么问题，为什么视觉模型在真实图片上容易失败。
完成状态 Checklist
- 我能解释常见视觉任务的输入、输出和指标。
- 我能用 OpenCV 完成基础图像处理并保存结果。
- 我能跑通一个图像分类、OCR 或检测 Demo。
- 我记录了若干视觉错误样本，并分析可能原因。
- 我能说明视觉能力如何接入多模态或 AI 学习助手项目。