（1）目標分割（Target Segmentation）：

屬於data/image segmentation的一種。如果輸入資料是影象，任務是把目標對應的部分分割出來。對於一般的光學影象而言，分割畫素是一個比較常見的目標，就是要提取哪一些畫素是用於表述已知目標的。這種Segmentation可以是一個分類（classificatio）問題，就是把每一個pixel做標籤，提出感興趣的那一類標籤的畫素。也可以是聚類（clustering）的問題，即是不知道標籤，但需要滿足一些optimality，比如要cluster之間的correlation最小之類的。
 

（2）目標識別（Target Recognition）

目標識別是一個基於分類的識別問題，即是在所有的給定資料中，分類出哪一些樣本是目標，哪一些不是。如果輸入資料為圖片，這個分類的層面往往不是pixel，給定的一些segment，或者定義的物件，或者圖片本身。

（3）目標檢測（Target Detection）

最早的detection system應該是搞雷達的人首先提出並且heavily study的，最簡單的任務就是從看似隨機（random）又充滿干擾（interference）和噪音（noise）的訊號中，抓取到有資訊的特徵（information-bearing pattern）。最簡單的一個栗子，就是當你拿到一段隨機的雷達回波，可以設定一個threshold，當高於這個threshold，就認為是探測到了高速大面積飛行器之類的高回波的目標。當然，這裡面的threshold該怎麼設計，涉及到False Alarm和Miss Detection之間的平衡。人們往往需要尋找最佳的transform或者domain去對訊號進行分析。

（4）目標追蹤（Target Tracking）

這個任務很重要的一點是目標定位（Target Locating），而且這個任務設計到的資料一般具有時間序列（Temporal Data）。常見的情況是首先Target被Identify以後，演算法或者系統需要在接下來時序的資料中，快速並高效地對給定目標進行再定位。任務需要區別類似目標，需要避免不要的重複計算，充分利用好時序相關性（Temporal Correlation），並且需要對一些簡單的變化Robust，必須旋轉，遮蓋，縮小放大，Motion Blur之類的線性或者非線性變換。

典型的技術路線是：目標分割 ——>目標檢測 ——>目標識別 ——>目標跟蹤

• 目標分割：畫素級的對前景與背景進行分類，剔除背景；
• 目標檢測：定位目標，確定目標位置及大小；
• 目標識別：定性目標，確定目標是什麼；
• 目標跟蹤：追蹤目標運動軌跡。