電腦視覺的分類
傳統電腦視覺方法
傳統的電腦視覺可以使用Opencv等Python庫，對影像進行簡單的操作，例如對影像縮放、濾波、閾值分割等等。對於電腦來說，一張彩色圖片就是一個三通道的矩陣，分別對應紅綠藍（RGB）三種顏色，通過改變顏色的數值（0-255）來顯示出一張完整的彩色圖片，傳統的電腦視覺就是圍繞這一個三維矩陣，比如設置一個顏色區間，進行過濾等等操作。
這一類視覺處理的方法，功能相對較弱一些，能夠處理一些簡單的應用場景，比如識別綠色物體，識別動態的物體等。但是對於背景複雜的實際場景中，很多問題都難以解決。
推薦Opencv教程地址：//github.com/CodecWang/opencv-python-tutorial
深度學習
通過人工智慧對影像進行處理的演算法有很多，其中最為經典的為卷積神經網路，對原始影像不停卷積運算，充分提取特徵，最後輸出想要的結果，這類方法經過實踐的驗證取得了非常不錯的精度表現，在目前的很多硬體上，都能夠跑出實時的效果。
當然，更多新型的視覺處理演算法也湧現出來，比如最近比較火熱的Transformer演算法，最初應用於NLP（自然語言處理），最近科研者們發現它在視覺領域也展現出了非常不錯的表現，很多領域下都取得了最佳的精度，突破了卷積神經網路的精度瓶頸。我們這期教程還是圍繞卷積神經網路，這種經典的演算法展開，仍然值得大家深入地學習。
電腦視覺任務的分類
分類（Classification）
分類任務是對整張圖片進行分類，例如最為經典的貓狗分類。
貓狗分類就是讓電腦對於我指定的圖片進行歸類，如果這張圖片是貓，我把圖片輸入到模型後，我期望輸出的就是貓這個類別。可以看到，分類任務是對整張圖片的歸類，如果一張圖片裡面既有貓，又有狗，那麼顯然分類無法完成，因為分類任務是不需要對物體定位的。分類任務是電腦視覺最簡單的任務，實現的難度最低，當然功能也最為簡單。
檢測（Detection）
檢測任務相對於分類任務，需要精確地對影像中的目標物體定位，一般用矩形框確定目標位置。如上圖，一張圖片中，有狗，有自行車，有汽車，對於檢測任務，就需要精確地框出他們的位置，並判別類別。檢測任務是對影像中的物體進行特徵識別，相比分類任務難度有所提升，也是我們經常會有的需求，需要精確判定特徵物體在畫面中的位置，例如行人檢測，人臉檢測等等。
分割（Segmentation）
分割任務的難度再次增加，任務要求不僅需要確定位置，還需要勾勒出物體的輪廓，類似PS的摳圖，過濾去背景。例如上圖所示的工業讀表，車道線分割等等，這類任務對於模型和演算法的考驗較大，在特定的場合中有一定的應用。
