计算机视觉主要任务

计算机视觉：使用计算机及相关设备对生物视觉的一种模拟。
主要包含6大任务，图像分类，目标检测，目标跟踪，语义分割，实例分割，影像重构。
图像分类：根据图像信息中所反映的不同特征，把不同类别的目标区分开来的图像处理方法。基于色彩特征的索引技术、基于纹理的图像分类技术、基于形状的图像分类技术、基于空间关系的图像分类技术 。
目标检测：一种基于目标几何和统计特征的图像分割。它将目标的分割和识别合二为一，其准确性和实时性是整个系统的一项重要能力。
目标跟踪：视频第一帧中目标的位置会以包围盒的形式给出，我们需要预测其他帧中该目标的包围盒。
语义分割：语义分割是对图像中的每一个像素进行分类，目前广泛应用于医学图像与无人驾驶等（同一类别不用实列不用区分，如不用区分羊1，羊2）。
实列分割：实例分割对所有不同的实例类进行分类，例如用十种不同的颜色标记十辆汽车(车1，车2要用不同颜色区分)。
全景分割（Panoramic）是语义分割（semantic）和实例分割（instance）的结合。跟实例分割不同的是：实例分割只对图像中的object进行检测，并对检测到的object进行分割，而全景分割是对图中的所有物体，包括背景都要进行检测和分割。
在这里插入图片描述

影像重建 ： 通俗的来说就是你有一张旧照片，想要重建里面的被损毁的画面，就是图像重建。