分类：把图片输进去，输出类别。对位置，大小不要求
检测：把图片输进去，输出类别，位置，大小
识别：有时不再考虑位置，但有时相当于检测+识别，又很容易和分类混在一起
分类：有人无人
检测：有人吗？人在哪里？用多大的box框出来
识别：有人吗？人在哪里？用多大的box框出来！还有这个人是谁？（“进一步分类”）