No todas las tareas de visión son iguales. Imagina que le muestras una foto de un bodegón de frutas a tres personas y les haces tres preguntas distintas:

• Clasificación: "¿qué hay en la foto?". Respuesta: "frutas". Le pone una etiqueta a toda la imagen. Sirve para decir si un producto está bueno o defectuoso, o si una foto es de un gato o un perro.
• Detección: "¿dónde está cada cosa?". Respuesta: tres mangos aquí, dos bananos allá, cada uno con un rectángulo (caja) alrededor. Sirve para contar y ubicar objetos.
• Segmentación: "¿cuál es la forma exacta de cada cosa?". Respuesta: pinta píxel por píxel el contorno de cada fruta. Sirve cuando importa la forma o el área, como medir una mancha en una hoja o el nivel de un tanque.

Cada tarea es más difícil y más costosa que la anterior, tanto para entrenar como para correr:

Clasificación  → "hay un casco"                (1 etiqueta)
Detección      → "casco en x=120, y=40"        (cajas)
Segmentación   → "estos 3.200 píxeles son casco" (máscara)

Elige siempre la tarea más sencilla que resuelva tu problema. Si solo necesitas saber si hay alguien en la puerta, no necesitas segmentación.

💡 Tip: existe una cuarta tarea muy útil, la estimación de pose: ubica los puntos del cuerpo (hombros, codos, rodillas) y sirve para detectar caídas o malas posturas.

✍️ Ejercicio: para cada una de tus 3 ideas, decide si es clasificación, detección o segmentación.