影象包含的資訊非常的豐富，其中的物體（Object）有不同的形狀（shape）、尺寸（scale）、顏色（color）、紋理 （texture），要想從影象中識別出一個物體非常的難，還要找到物體在影象中的位置，這樣就更難了。圖中給出四個例子，來說明物體識別 （Object Recognition）的複雜性以及難度。（a）中的場景是一張桌子，桌子上面放了碗，瓶子，還有其他餐具等等。比如要識別“桌子”，我們可能只是指桌子本身，也可能包含其上面的其他物體。這裡顯示出了影象中不同物體之間是有一定的層次關係的。（b）中給出了兩隻貓，可以通過紋理（texture）來找到這兩隻貓，卻又需要通過顏色（color）來區分它們。（c）中變色龍和周邊顏色接近，可以通過紋理（texture）來區分。（d）中的車輛，我們很容易把車身和車輪看做一個整體，但它們兩者之間在紋理（texture）和顏色（color）方面差別都非常地大。