解析：
題目要求「找出煙霧區域並標示其位置和範圍」，需要精確標示煙霧佔據的像素區域。這是影像分割（Image Segmentation）的任務，能在像素層級區分出煙霧的精確範圍。
你有沒有想過，AI 如果不只看這張圖是什麼，還能把每個像素都分清楚，會有多方便？
你可以把影像分割想成把圖片切成一塊一塊有意義的區域。 它比分類和偵測更細，會直接標出物體邊界，所以在醫療影像和自駕上很重要。
你可以把它想成一個把抽象概念拉回日常判斷的提示，先知道它解決什麼問題，再看技術細節。
容易混淆
影像分割 vs 物件偵測 偵測通常只畫框 分割會畫出像素級邊界 最關鍵的區別是粗略定位，還是精準輪廓
影像分割 vs 圖像分類 分類只給整張圖貼標籤 分割要把每個區域標清楚 最關鍵的區別是整體判斷，還是像素標註
記住這句就好
把輪廓一像素一像素畫出來。
實際案例
醫學影像 腫瘤、器官或病灶常需要影像分割，因為醫師在乎的是邊界，不只是有沒有。
道路和車道 自動駕駛要知道可行駛區域和車道邊界，影像分割比單純偵測更細。
算法與應用
U 型網路和 Mask R-CNN 都是很常見的分割模型。 評估時常看 Dice 系數或 IoU，重點是預測區域和真實區域重疊得多不多。
情境判斷
Q1： 你只要知道這是什麼物體，還需要分割嗎？ → 不一定，分類或偵測可能就夠了。
Q2： 你要描出腫瘤邊界，會選什麼任務？ → 影像分割，因為你在意的是像素級輪廓。
常見問題
Dice 系數是什麼？
它是在看分割結果和真實標註重疊得多不多。
U-Net 為什麼常被提到？
因為它在醫療影像分割很常用，結構也很經典。
怎麼選分割方法？
要看影像型態、精度需求和算力限制。
範例考題
某環保局想建立 AI 系統監測空氣品質，透過分析監測站攝影機拍攝的影像來識別煙霧。系統需要在影像中找出煙霧區域並標示其位置和範圍。這個應用主要屬於電腦視覺的哪個技術領域？
- A. 影像分類，判斷影像中是否有煙霧
- B. 物件偵測，找出煙霧位置並用方框標示
- C. 影像分割，精確標示出煙霧的像素區域 ✓ 正確答案
- D. 人臉辨識，識別煙霧來源