2.4 进阶必备：计算机视觉方向知多少

计算机视觉是深度学习中非常火热的一个领域，在现实生活中的应用非常广泛，图2.32所示为计算机视觉的主要应用方向。

图2.32

目前图像分类已经趋于算法的极限，很难有较大的提升，不过用户可以将图像分类作为计算机视觉学习的入门方向。虽然图像分类比较基础，但仍存在一些问题需要解决，如样本类别不均衡的问题，可以考虑使用图像增强等方法扩充数据集。在工程应用中，使用图像分类的场景较少，如可以对用户输入的图片进行分类，根据分类类别推送服务或广告。

目标检测包含两个子任务：一是定位目标位置，二是给出目标类别（图像分类任务）。Two-stage算法在准确率上有优势，但是运行速度较慢。One-stage算法运行速度较快，但是存在漏检和小目标检测难的问题，因而精度较Two-stage算法低。在目标检测中除了需要注意小目标检测的问题，还要注意遮挡等问题。

图像分割是目前计算机视觉领域中最富有挑战的任务之一，工程应用较广，如文本的分割、医学图像的分割。在很多的应用中，需要分割出特定的物体，以进行进一步的处理。图像分割常用FCN进行特征提取，然后使用CRF或MRF（马尔科夫随机场）优化特征输出分割图，这是图像分割常用的方式，需要用户重点关注。

图2.32中的图像分类、目标检测和图像分割是计算机视觉领域常见的任务，难度递增，初学者可以递进式学习；图像检索、三维重建和目标跟踪是计算机视觉中非常专业的领域，对于初学者来说，难度较大，也较难接触到，本书不做介绍，有兴趣的用户可以深入了解。