圖像分類:
圖像分類是指根據圖像的內容將圖像分為不同的類別。這是計算機視覺中最基本的任務之壹，涉及到特征提取和模式識別。深度學習技術，尤其是卷積神經網絡(CNN)，在這壹領域取得了令人矚目的成就。
物體檢測(物體檢測):
目標檢測不僅需要識別圖像中的目標類別，還需要確定目標的位置和包圍盒。這種任務通常涉及同時處理目標定位和分類。常見的目標檢測方法包括R-CNN、YOLO、SSD等。
語義分割:
語義分割就是將圖像中的每壹個像素點都分配到相應的類別中，從而精確地劃分圖像中的不同對象。本課題廣泛應用於自動駕駛、醫學圖像分析等領域。常見的語義切分方法有FCN、U-Net、DeepLab等。
實例分段:
實例切分在語義切分的基礎上，進壹步區分同壹類別的不同實例。這對於理解場景中對象的數量和關系非常重要。常見的例子分割方法有Mask R-CNN，SOLO等。
姿勢估計:
姿態估計是指從圖像中估計物體的空間姿態，如人體關鍵點的檢測、物體位置和姿態的估計等。這類任務廣泛應用於動作識別、增強現實、機器人導航等領域。常見的姿態估計方法有OpenPose、AlphaPose、POSEC3D等。
這五類計算機視覺任務涵蓋了很多具體的應用場景，推動了計算機視覺領域的發展和創新。