计算机视觉（Computer Vision）是人工智能的“眼睛”，它的目标是让计算机能够像人一样“看懂”图像和视频中的内容。你刷视频时的实时美颜、相册里的自动分类、安防摄像头的入侵检测，背后其实都运行着各种计算机视觉算法。
这些算法就像是AI视觉系统中的各种“功能模块”，各司其职，组合起来就能实现从看清楚、认得出，到能理解、能创造的全流程视觉能力。
✅ 常见计算机视觉算法分类及代表技术
📷 图像分类（Image Classification）
目的：判断一张图片属于哪个类别。
代表算法：
CNN（卷积神经网络）：基础架构，专为图像任务设计。
ResNet：解决深层网络训练难题，引入“残差连接”。
MobileNet / EfficientNet：轻量模型，适合在移动设备上运行。
应用举例：
是否是猫的照片？
肺部X光是正常还是异常？
免费分享一套人工智能+大模型入门学习资料给大家，如果想自学，这套资料很全面！
关注公众号【AI技术星球】发暗号【321C】即可获取！
【人工智能自学路线图（图内推荐资源可点击内附链接直达学习）】
【AI入门必读书籍-花书、西瓜书、动手学深度学习等等...】
【机器学习经典算法视频教程+课件源码、机器学习实战项目】
【深度学习与神经网络入门教程】
【计算机视觉+NLP入门教程及经典项目实战源码】
【大模型入门自学资料包】
【学术论文写作攻略工具】
🎯 目标检测（Object Detection）
目的：识别图像中“有哪些物体”以及“它们在哪里”。
代表算法：
YOLO（You Only Look Once）：速度快，适合实时检测。
Faster R-CNN：精度高，适用于对检测要求严的任务。
SSD（Single Shot MultiBox Detector）：速度与精度折中。
应用举例：
交通监控中的车辆识别
安防摄像头中的人物检测
📦 目标分割（Image Segmentation）
目的：像“剪影”一样，把图像中的每个像素都标记出来，识别物体的精确边界。
代表算法：
U-Net：医学图像分割领域常用。
Mask R-CNN：结合检测与分割，适用于多目标精确定位。
DeepLab 系列：语义分割经典代表，适用于复杂场景。
应用举例：
医学影像中肿瘤轮廓提取
自动驾驶中的车道线和行人区域识别
🧠 图像生成与增强（Image Generation & Enhancement）
目的：合成或改善图像质量。
代表算法：
GAN（生成对抗网络）：可生成高清人脸、风格迁移等。
Super-Resolution（超分辨率）算法：如ESRGAN，提高模糊图像清晰度。
Denoising Autoencoder：图像去噪。
应用举例：
老照片修复
人脸动漫化、图像风格转换
🧍♀️ 姿态估计与关键点检测（Pose Estimation & Landmark Detection）
目的：识别人体、手势、面部等的关键点位置。
代表算法：
OpenPose：开源人体姿态识别代表作。
HRNet：精度高，用于人体关键点识别。
MediaPipe：谷歌出品，移动端效率高。
应用举例：
健身动作识别
虚拟背景识别人像轮廓
面部表情跟踪
🎬 视频理解（Video Understanding）
目的：从视频中识别时序行为和动态对象。
代表算法：
3D CNN：对视频帧进行时空建模。
I3D、SlowFast Networks：动作识别与事件分析的核心算法。
应用举例：
安防视频中异常行为检测
体感游戏中的动作识别
🧠 小结：不同任务适配不同算法
任务类型推荐算法应用重点图像分类CNN、ResNet、EfficientNet识别图片整体类别目标检测YOLO、Faster R-CNN、SSD检测位置和种类图像分割U-Net、Mask R-CNN、DeepLab获取精确边界图像生成GAN、Super-Resolution图像风格转换、清晰度提升姿态估计OpenPose、HRNet、MediaPipe动作识别、人脸跟踪视频分析3D CNN、SlowFast时序建模和事件分析
🚀 拓展建议
如果你想深入计算机视觉方向，建议从“图像分类”入门，逐步过渡到“检测”、“分割”和“生成”。常用的工具包括：
框架：OpenCV、PyTorch、TensorFlow
库：Detectron2、MMDetection、YOLOv5/v8、MediaPipe
数据集：ImageNet、COCO、VOC、Cityscapes