计算机视觉可以大致有以下几个方向（更详细的可以参考papers with code）：

• 图像分类
• 目标检测
• 图像分割
• 图像生成
• 风格迁移
• 超分辨率

1. 图像分类

图像分类是是视觉识别中的一项基本任务，目的是分辨整个图像并将其分类。

1.1 常用数据集

• MNIST：手写数字数据集，包含 60000 张训练集和 10000 张测试集
• CIFAR-10：包含飞机、汽车、鸟、猫等10个类别，每个类别包含 5000 张训练图像和 1000 张测试图像
• CIFAR-100：包含 100 个类，每个类别有 500 张训练图像和 100 张测试图像

2. 目标检测

目标检测的目的是找到并识别图像中的物体。如下图所示，一张图中包含多个物体，目标检测的任务是识别图像中不同物体的位置和边界，并将对象分类为各自的类别。

2.1 常用数据集

• COCO
• VOC

2.2 常用方法

• one-state（优先考虑速度）：YOLO、SSD、Retina Net……
• two-state（优先考虑精度）：R-CNN、Fast R-CNN、Faster R-CNN、Mask R-CNN……

3.图像分割

基于目标检测，不仅需要检测出图像中存在的物体，还需要将图像中检测到的物体分割出来。
主要有以下三种：

• 语义分割：在像素级别上的分类，将属于同一类的像素归为一类
• 实例分割：分割出每个实例物体，将属于同一个体的像素归为一类，比如对图片中的多只狗都分割出来，并识别出来它们是不同的个体，而不仅仅是简单的对其进行分类为狗
• 全景分割：可以表示为语义分割和实例分割的组合，其中图像中每个实例都被分割并预测其身份

3.1 常用数据集

• COCO
• VOC

3.2 常用方法

• 语义分割：FCN、U-Net、Mask R-CNN……
• 实例分割：R-CNN、Faster R-CNN、Mask R-CNN

注：

• 图像分类重在分类，解决“是什么”的问题；

• 检测解决“在哪里，是什么”的问题；

• 分割解决“每一个像素属于哪个类别或物体”的问题。

4. 图像生成

根据已有图片生成新的图片。

5. 风格迁移

将图像A的图像风格作用到图像B上，生成新的图片即符合A的风格又保留了B的内容。

6. 超分辨率

提高原始图像的分辨率，从低分辨率图片中生成丢失的高频细节来提高图像或视频的分辨率。目标是生成比输入图像分辨率更高的输出图像，同时保留原始内容和结构。