计算机视觉——目标检测、实例分割（语义分割）、人体关键点检测

1、目标检测

一张图片中有多个类别目标，要求不仅仅是对图像目标进行分类，还要准确的标记出目标的位置信息，以提取目标。比如车牌检测，不仅要确定有车牌，还要车牌的准确位置，才能对车牌的文本信息做提取。还有人脸识别，要先确定脸的位置，再对脸做识别。
重要应用场景：质检、自动驾驶车道检测

2、实例分割

实例分割要得到的目标不再是一个位置框，他要得到的目标是像素级别的，要准确的描绘出目标的轮廓。
也就是说每个像素点我们都要预测它的类别，比如上面的图片，我们要把所有像素点预测成四类：猫，狗，鸭子，背景。然后才能得到轮廓。进行分割。
重要应用场景：自动驾驶、机器人、机械手臂抓取物品（工业分拣）
要检测出摄像头捕捉到的具体的位置，你有目标检测那样的位置不行。要更精准。

3、人体关键点检测

虽然叫人体关键点检测，但是绝对不仅限于人体，他所做的做种目的就是提高分类任务的准确性，以及模型的鲁棒性。看图：对具体的行为进行分类。

对这张图具体的行为进行分类，如果有一张与其及其相似的躺着休息的图片进行分类，就很慢判断正确，但是关键但检测，检测的是局部的点位置信息，会提高准确性。
同时，可以对图像进行旋转，旋转后也不回有影响。就提高了模型的鲁棒性

还有一个重要的应用场景：以图搜图
先检测出图片类别的关键点，在对具体的位置进行对比，就对应了上边讲的，图片翻转也没有问题。

---

上面所提到的三种任务，加上图像分类任务，就是计算机视觉的四大基本任务。