1. 計算機視頻重要分類
計算機視覺的重要任務可以大致分為以下幾類：
1. 圖像分類（Image Classification）
識別圖像屬于哪個類別，例如貓、狗、汽車等。
- 應用場景：物品識別、人臉識別、醫療影像分類。
- 代表模型：ResNet、EfficientNet、ViT（Vision Transformer）。
2. 目標檢測（Object Detection）
識別圖像中目標的位置（邊界框）及類別。
- 應用場景：自動駕駛、安防監控、人流統計。
- 代表模型：Faster R-CNN、YOLO（You Only Look Once）、SSD（Single Shot MultiBox Detector）。
3. 語義分割（Semantic Segmentation）
對圖像中的每個像素進行分類，區分不同物體類別。
- 應用場景：醫學影像分析（病灶檢測）、自動駕駛（車道識別）。
- 代表模型：U-Net、DeepLabV3+、SegFormer。
4. 實例分割（Instance Segmentation）
類似語義分割，但能夠區分同類別不同實例的像素區域。
- 應用場景：自動駕駛（車輛、人等實例級分割）、工業檢測。
- 代表模型：Mask R-CNN、YOLACT、CondInst。
5. 姿態估計（Pose Estimation）
檢測人體、動物或物體的關鍵點（關節點、骨架等）。
- 應用場景：行為分析、運動捕捉、AR（增強現實）。
- 代表模型：OpenPose、HRNet、DETR。
6. 目標跟蹤（Object Tracking）
在視頻序列中跟蹤目標的軌跡。
- 應用場景：無人機跟蹤、視頻監控、運動分析。
- 代表模型：SiamRPN、SORT、DeepSORT。
7. 光流估計（Optical Flow Estimation）
計算圖像像素點的運動矢量場，用于運動分析。
- 應用場景：視頻穩定、動作檢測、自動駕駛。
- 代表模型：RAFT、PWC-Net、FlowNet2.0。
8. 三維重建（3D Reconstruction）
從 2D 圖像或點云恢復 3D 結構。
- 應用場景：SLAM（同時定位與建圖）、AR/VR、醫學成像。
- 代表模型：Colmap、NeRF（神經輻射場）、MonoDepth。
9. 超分辨率（Super Resolution）
提升圖像分辨率，使低質量圖像變得清晰。
- 應用場景：醫學影像增強、老照片修復、視頻增強。
- 代表模型：ESRGAN、SRGAN、SwinIR。
10. 圖像去噪（Image Denoising）
去除圖像中的噪聲，提高清晰度。
- 應用場景：遙感影像處理、夜間攝影增強。
- 代表模型：DnCNN、BM3D、Noise2Noise。
11. 生成對抗網絡（GANs）
生成高質量的圖像、風格遷移等。
- 應用場景：AI 繪畫、圖像風格化、深度偽造（Deepfake）。
- 代表模型：StyleGAN、CycleGAN、BigGAN。
12. 圖像/視頻理解（Image/Video Understanding）
對圖像或視頻的內容進行高層次分析。
- 應用場景：智能監控、自動駕駛、視頻摘要。
- 代表模型：CLIP、SlowFast、TimeSformer。
?2. 圖像分類 vs. 目標檢測
| 對比維度 | 圖像分類（Image Classification） | 目標檢測（Object Detection） |
|---|---|---|
| 任務定義 | 識別整幅圖像的類別 | 識別圖像中所有目標的位置和類別 |
| 輸出結果 | 單個類別標簽 | 多個類別標簽 + 目標的邊界框（Bounding Box） |
| 輸入數據 | 單張圖像 | 單張圖像（含多個目標） |
| 難度 | 相對較低 | 較高，需要額外的目標定位 |
| 計算復雜度 | 低 | 高（涉及回歸和分類任務） |
| 核心技術 | 卷積神經網絡（CNN）、ViT | CNN + 回歸網絡（YOLO、Faster R-CNN 等） |
| 核心特點 |
|
|
| 主要方法 |
|
|
| 應用場景 | 圖像檢索、人臉識別、醫學影像分類 | 自動駕駛、人群統計、工業檢測 |
3.目標檢測與圖像分割、語義分割、實例分割
| 對比維度 | 目標檢測（Object Detection） | 語義分割（Semantic Segmentation） | 實例分割（Instance Segmentation） |
| 任務定義 | 識別目標并畫出邊界框（Bounding Box） | 識別每個像素的類別 | 識別每個像素的類別，并區分同類別的不同實例 |
| 輸出結果 | 目標類別 + 目標位置（矩形框） | 每個像素的類別掩碼（Mask） | 每個像素的類別掩碼 + 不同實例的分割 |
| 關注點 | 物體的整體位置 | 物體的精確邊界 | 物體的精確邊界 + 實例區分 |
| 計算復雜度 | 中 | 高 | 更高 |
| 模型架構 | YOLO、Faster R-CNN、SSD | FCN、DeepLabV3+、U-Net | Mask R-CNN、YOLACT、CondInst |
| 適用場景 | 自動駕駛、監控、人臉檢測 | 醫學影像、衛星遙感、環境分析 | 自動駕駛、實例級目標識別、工業檢測 |
4. 目標檢測與目標跟蹤
| 對比維度 | 目標檢測（Object Detection） | 目標跟蹤（Object Tracking） |
|---|---|---|
| 任務定義 | 在圖像中識別目標并定位（Bounding Box） | 在視頻中跟蹤同一目標的運動軌跡 |
| 輸入數據 | 單張圖像或視頻幀 | 連續的視頻幀 |
| 輸出結果 | 目標類別 + 目標邊界框 | 目標 ID + 目標邊界框（跨幀一致） |
| 核心技術 | CNN、區域提議（RPN）、Anchor | 目標檢測 + 相關性計算（如光流、匹配） |
| 計算復雜度 | 較高（每幀都需重新檢測） | 低（僅在關鍵幀檢測，其他幀追蹤） |
| 適用場景 | 自動駕駛、安防監控、工業檢測 | 運動分析、無人機跟蹤、視頻監控 |
| 代表模型 | YOLO、Faster R-CNN、SSD | SORT、DeepSORT、SiamRPN、ByteTrack |
