计算机视觉可以大致有以下几个方向（更详细的可以参考papers with code）：
- 图像分类
- 目标检测
- 图像分割
- 图像生成
- 风格迁移
- 超分辨率
1. 图像分类
图像分类是是视觉识别中的一项基本任务，目的是分辨整个图像并将其分类。
1.1 常用数据集
- MNIST：手写数字数据集，包含 60000 张训练集和 10000 张测试集
- CIFAR-10：包含飞机、汽车、鸟、猫等10个类别，每个类别包含 5000 张训练图像和 1000 张测试图像
- CIFAR-100：包含 100 个类，每个类别有 500 张训练图像和 100 张测试图像
2. 目标检测
目标检测的目的是找到并识别图像中的物体。如下图所示，一张图中包含多个物体，目标检测的任务是识别图像中不同物体的位置和边界，并将对象分类为各自的类别。
2.1 常用数据集
2.2 常用方法
- one-state（优先考虑速度）：YOLO、SSD、Retina Net……
- two-state（优先考虑精度）：R-CNN、Fast R-CNN、Faster R-CNN、Mask R-CNN……
3.图像分割
基于目标检测，不仅需要检测出图像中存在的物体，还需要将图像中检测到的物体分割出来。
主要有以下三种：
- 语义分割：在像素级别上的分类，将属于同一类的像素归为一类
- 实例分割：分割出每个实例物体，将属于同一个体的像素归为一类，比如对图片中的多只狗都分割出来，并识别出来它们是不同的个体，而不仅仅是简单的对其进行分类为狗
- 全景分割：可以表示为语义分割和实例分割的组合，其中图像中每个实例都被分割并预测其身份
3.1 常用数据集
3.2 常用方法
- 语义分割：FCN、U-Net、Mask R-CNN……
- 实例分割：R-CNN、Faster R-CNN、Mask R-CNN
注：
图像分类重在分类，解决“是什么”的问题；
检测解决“在哪里，是什么”的问题；
分割解决“每一个像素属于哪个类别或物体”的问题。
4. 图像生成
根据已有图片生成新的图片。
5. 风格迁移
将图像A的图像风格作用到图像B上，生成新的图片即符合A的风格又保留了B的内容。
6. 超分辨率
提高原始图像的分辨率，从低分辨率图片中生成丢失的高频细节来提高图像或视频的分辨率。目标是生成比输入图像分辨率更高的输出图像，同时保留原始内容和结构。
转载请注明来源，欢迎对文章中的引用来源进行考证，欢迎指出任何有错误或不够清晰的表达。可以在下面评论区评论，也可以邮件至header-files@foxmail.com。