計(jì)算機(jī)視覺(jué)（Computer Vision, CV）作為人工智能（AI）的核心技術(shù)之一，在過(guò)去的二十年里發(fā)展迅猛，應(yīng)用范圍遍及工業(yè)、農(nóng)業(yè)、軍事、國(guó)防等多個(gè)領(lǐng)域。

計(jì)算機(jī)視覺(jué)主要完成哪些任務(wù)？

計(jì)算機(jī)視覺(jué)的內(nèi)涵豐富，需要完成的任務(wù)眾多，關(guān)鍵任務(wù)包括：圖像增強(qiáng)、圖像分類、圖像檢測(cè)與定位、圖像分布、目標(biāo)識(shí)別。

圖像增強(qiáng)：圖像增強(qiáng)處理可以有效去除圖像噪聲、增強(qiáng)圖像邊緣，突出圖像中所需的重要信息，去除或弱化不重要的信息，達(dá)到改善圖像的視覺(jué)質(zhì)量的效果，更適合人的觀察或機(jī)器的識(shí)別。

圖像分類：圖像分類是目標(biāo)檢測(cè)、語(yǔ)義分割的重要支撐，其目標(biāo)是將不同的圖像劃分到不同的類別，并實(shí)現(xiàn)最小的分類誤差。如今，圖像分類的應(yīng)用在我們的生活中隨處可見(jiàn)，如智能手機(jī)的相冊(cè)自動(dòng)分類、產(chǎn)品缺陷識(shí)別、無(wú)人駕駛等等。

圖像檢測(cè)和定位：物體檢測(cè)為許多視覺(jué)任務(wù)提供了動(dòng)力，例如實(shí)例分割，姿勢(shì)估計(jì)，追蹤和動(dòng)作識(shí)別。它在監(jiān)視，自動(dòng)駕駛和視覺(jué)問(wèn)答中具有下游應(yīng)用。

圖像分割：對(duì)于一張圖來(lái)說(shuō)，圖上可能有多個(gè)物體、多個(gè)人物甚至多層背景，希望能做到對(duì)于原圖上的每個(gè)像素點(diǎn)，能預(yù)測(cè)它是屬于哪個(gè)部分（人、動(dòng)物、背景……）。

目標(biāo)識(shí)別：目標(biāo)識(shí)別的目的在于判斷場(chǎng)景（二維圖像、視頻或三維圖像）中是否存在感興趣目標(biāo)，若存在則對(duì)其位置和姿態(tài)等信息進(jìn)行估計(jì)，是計(jì)算機(jī)視覺(jué)中非常重要的一個(gè)研究方向。

計(jì)算機(jī)視覺(jué)的未來(lái)趨勢(shì)如何？

通過(guò)領(lǐng)域技術(shù)分析系統(tǒng)，全面分析了計(jì)算機(jī)視覺(jué)領(lǐng)域的技術(shù)趨勢(shì)、國(guó)家趨勢(shì)、機(jī)構(gòu)趨勢(shì)等

技術(shù)趨勢(shì)：

國(guó)家趨勢(shì)：

機(jī)構(gòu)趨勢(shì)：

目標(biāo)檢測(cè)這一基本任務(wù)仍然是非常具有挑戰(zhàn)性的課題，存在很大的提升潛力和空間。從RCNN到Fast RCNN，再到Faster RCNN，一直都有效率上的提升，那么如何深入了解卷積神經(jīng)網(wǎng)絡(luò)、目標(biāo)檢測(cè)，掌握模型框架的基本操作？

責(zé)任編輯：lq