計算機視覺技術的實際應用，應用領域場景一覽

計算機視覺技術應用領域

目前計算機視覺的熱點應用在目標檢測、目標識別、目標跟蹤、場景理解、立體視覺等一些領域。

人臉識別用的比較多的領域是金融行業，像人臉識別身份驗證等;圖像搜索比較直觀的應用，例如拍一張鞋的照片，在淘寶進行搜索，就能夠找到類似的鞋。

再比如像安防，安防也是計算機視覺的一個典型應用領域;除此之外，還有一個非常大的應用，那就是在機器人領域，包括整個的智能設備領域，深度學習的出現，使得機器人在視覺能力或者語音能力上，去模仿人的能力成為可能。

除此之外，總的來說，計算機視覺技術的應用具體可以分成八大方向，分別是圖像分類、目標檢測、圖像分割、風格遷移、圖像重構、超分辨率、圖像生成、人臉、下面來簡單的介紹一下。

1、圖像分類：也可以被叫做是圖像識別，也就是就是辨別圖像是什么，或者說圖像中的物體屬于什么類別，圖像分類根據不同分類標準可以劃分為很多種子方向。

2、目標檢測，通常包含兩方面的工作，首先是找到目標，之后就是識別目標，目標檢測可以分為單物體檢測和多物體檢測，也就是圖像當中目標的數量。

3、圖像分割，是基于圖像檢測的，它需要檢測到目標物體，之后將物體分割出來。

圖像分割可以分為三種，普通分割：將不同分屬于不同物體的像素區域分開，例如，前景區域和后景區域的分割;語義分割：普通分割的基礎上，在像素級別上的分類，屬于同一類的像素都要被歸為一類，例如，分割出不同類別的物體;實例分割：語義分割的基礎上，分割出每個實例物體，例如，對圖片中的多只狗都分割出來，識別出來它們是不同的個體，不僅僅是屬于哪個類別。

4、風格遷移，它指的就是把一個領域又或者是幾張圖片的風格應用到其他領域或者圖片上，例如將抽象派的風格應用到寫實派的圖片上。

5、圖像重構，也被叫做圖像修復，它的目的就是修復圖像中缺失的地方，例如，可以用于修復一些老的有損壞的黑白照片和影片，通常會采用常用的數據集，然后人為制造圖片中需要修復的地方。

6、超分辨率，它指的就是生成一個比原圖分辨率更高、細節更清晰的任務，通常超分辨率的模型也可以用于解決圖像恢復和修復，因為它們都是解決比較關聯的問題。

7、圖像生成，是根據一張圖片生成修改部分區域的圖片或者是全新的圖片的任務，這個應用最近幾年快速發展，主要原因也是由于GANs是最近幾年非常熱門的研究方向，而圖像生成就是GANs的一大應用。

8、人臉，人臉方面的應用，包括人臉識別、人臉檢測、人臉匹配、人臉對齊等等，這應該是計算機視覺方面最熱門也是發展最成熟的應用，而且已經比較廣泛的應用在各種安全、身份認證等，比如人臉支付、人臉解鎖。

文本由@鄧鄧 整理發布于三個皮匠報告網站，未經授權禁止轉載。

推薦閱讀：

【研報】計算機行業：計算機視覺龍頭陸續申請上市行業景氣上行-210124(14頁).pdf

賽迪：中國工業機器視覺產業發展白皮書(31頁).pdf

【精選】2021年機器視覺行業應用領域及市場空間分析報告(19頁).pdf

什么是計算機視覺?和機器視覺有什么區別?