10.0 学習チェックリスト：コンピュータビジョン

このページは印刷用チェックリストとして使います。詳しい説明が必要なときは、第 10 章入口ページに戻ってください。

ビジョンポートフォリオ証拠パック

2時間の初回通読

時間	やること	ここまで言えたら止める
20 分	出力粒度の階段図を見る	「分類、検出、セグメンテーションは出力が違う。」
25 分	ピクセルラボを動かす	「サイズ、チャンネル、RGB、グレー値を確認できる。」
25 分	10.1 画像基礎をざっと読む	「前処理はモデルが見るデータを変える。」
25 分	分類、検出、セグメンテーションのロードマップをざっと読む	「どの指標がどのタスクに対応するか分かる。」
25 分	デバッグループを読む	「構造を疑う前に、データとラベルを確認する。」

証拠	最小版
`opencv_demo.py` または `pixel_lab.py`	画像読み込みまたは生成、前処理、保存出力
`vision_dataset.md`	データ源、クラス、サンプル数、アノテーション方法、制限
`eval_results.md`	accuracy/F1、mAP、IoU/Dice、OCR hit rate、または選んだ指標
`failure_cases.md`	失敗画像、原因候補、修正方向
`README.md`	タスク目標、実行コマンド、入出力例、シナリオ境界

ゲート	合格条件
Visual trace	元画像、処理画像、予測画像、失敗画像が対応するファイル名で保存されている。
Annotation	dataset notes が classes、boxes または masks、source、split、既知の annotation uncertainty を定義している。
Metric fit	accuracy/F1、mAP、IoU/Dice、OCR hit rate が task output に合っている。
Real-world boundary	report に lighting、angle、camera/source、latency、image size、device limits がある。

答えがすべて「はい」なら、第 12 章のマルチモーダル方向へ視覚能力をつなげられます。

このページを終えたら、この evidence card を残します。