注：本小节部分内容来自 China Academic Journal Electronic Publishing House：《计算机视觉技术的应用进展》作者：李雅琪、冯晓辉、王哲
【基础】基本概念和基本任务
1. 基本概念
计算机视觉（Computer Vision）是指用计算机及相关设备对生物视觉进行模拟。即通过对采集到的图片、视频进行处理，以获得相应信息，实现物体识别、形状方位确认、运动判断等功能，以适应、理解外界环境和控制自身运动。简言之，计算机视觉旨在研究如何使机器学会“看”，是生物视觉在机器上的延伸。计算机视觉综合了计算机科学和工程、信号处理、物理学、应用数学和统计学等多个学科，涉及图像处理、模式识别、人工智能、信号处理等多项技术。尤其是在深度学习的助力下，计算机视觉技术性能取得重要突破，成为人工智能的基础应用技术之一，是实现自动化、智能化的必要手段。
计算机视觉技术承自图像处理、机器视觉（Machine Vision）技术，但三者却不尽相同。图像处理主要基于数字图像的颜色、形状、大小等基本特征对图像进行处理。机器视觉则通过机器视觉产品代替人眼进行目标形态信息测量判断。而计算机视觉通常包含图像处理过程，并额外增加了模式识别等功能，与机器视觉侧重精确的几何测量计算相比，计算机视觉则侧重于感知和识别。
2. 计算机视觉的基本任务
计算机视觉的基本任务分为两大块：图片和视频，如下所示。
本小节只介绍图片部分。
2.1 图像分类（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
2.2 目标检测（Detection）
定位物体位置（Where）
子任务
2D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
2.3 语义分割（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
2.4 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
2.5 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
2.6 图像恢复（Restoration）
由退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
典型应用：拍照画质增强、老照片修复
3. 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