极为简略的介绍下当前计算机视觉的基本概念和基本的研究方向。
是什么：使机器“看”的科学
- 是什么（分类）
- 在哪儿（检测、定位、分割）
- 直接从图片数据产生知识
为什么：视觉是人最主要的信息输入
- 70~80%信息来自人眼
- 移动多媒体时代产生更多的是图片和视频数据
- 图片和视频价值没有完全挖掘，属于“暗数据”
- 图片视频包含更多的信息
基本任务
分为图片和视频两部分，主要罗列比较成熟热门的几个方向。
|
|
|
分类（Classification）
- 预测图片的类别（What）
- 子任务
- 单标签（Single-Label）
- 多标签（Multi-Label）
- 粗粒度（Coarse-Grained）
- 细粒度（Fine-Grained）
- 典型应用：搜索、分类
|
|
|
检测（Detection）
- 定位物体位置（Where）
- 子任务
- D检测
- 3D检测
- 显著性检测
- 遥感检测
- 典型应用：人脸检测、汽车检测
|
|
|
分割（Segmentation）
- 像素级的内容理解和定位
- 子任务：
- 语义分割/实例分割
- Alpha Matting
- 3D分割
- 典型应用：换天、人像抠图
|
|
|
图像生成（Generation）
|
|
|
- 通过算法生成图片
- 子任务
- 随机生成
- 风格迁移
- 图片合成
- 图片翻译
- 典型应用：卡通化、换脸、换装
关键点定位（KeyPoint）
- 定位图像中的关键像素点
- 子任务
- 人脸关键点
- 人体关键点
- 手势关键点
- 物体姿态估计
- 典型应用：人脸配准、手势识别
|
|
|
图像恢复（Restoration）
- 蜕化图像生成高质量图像
- 子任务
- 超分辨率
- 图像去噪
- 图像修补
- 去模糊
- 上色、去雾、去雨等
- 典型应用：拍照画质增强、老照片修复
|
|
|
视频
视频跟踪（Tracking）
- 跟踪视频指定物体
- 子任务
- 单目标跟踪
- 多目标跟踪
- 典型应用：自动驾驶、安防监控
|
|
|
视频识别（Video Recognition）
- 识别视频中的特定行为
- 子任务
- 人体行为识别
- 事件识别
- 典型应用：监控、安防
|
|
|
视频摘要（Video Summarization）
- 提取有意义（精彩）的片段
- 子任务
- 精彩镜头
- 缩略图
- 典型应用：视频动态封面
|
|
|
视频插帧（Video Interpolation）
- 合成任意时刻的视频帧，从而优化解决视频中卡顿、抖动等画
- 典型应用：慢动作视频制作
|
|
|
视频其他任务
|
视频HDR
|
轨迹分析
|
|
视频压缩
|
视频防抖
|
一些典型的垂直应用
- 人脸
- 人脸检测/跟踪
- 关键点定位
- 姿态估计
- 人脸识别
- 人脸聚类
- 性别识别
- 年龄估计
- 表情识别
- 活体检测
- 闭眼检测
- 口罩检测
- 人脸质量评估
- 文档
- 印刷体检测/识别（OCR）
- 手写体检测/识别（HCR）
- 自然场景识别（NCR）
- 文档布局识别
- 文档重建
- 票证类识别
- 表格识别
- 人体
- 人体检测
- 姿态估计
- 行人重识别
- 行人追踪
- 手势识别
- 人流量统计/人群密度分析
- 动作行为识别
- 人像分割
- 属性分析
未来趋势
- 视频
- 3D（VR/AR）
- 多模态：融合文本、音频、视觉信息
- 细粒度理解（分割、系列度分类）
- 大规模数据预训练（例如：GPT-3）
内容来源网络，如有侵权，联系删除，本文地址：https://www.230890.com/zhan/92392.html