1 minute read

1. 常见视觉任务

1.1 二维图像

1.1.1 像素级别

  • 特征提取（边缘，纹理）
  • 图像增强
    改善图下给你视觉质量（主观）；
  • 图像复原（去噪，去模糊）
    尽可能地恢复图像的原貌（客观）；
  • 图像加密

1.1.2 目标级别

  • 分类（classification）
    图像上有什么；
    • CT 分类
    • 缺陷检测（defect inspect）
    • 喷注分类（jet tagging）
    • 无监督分类
    • 非视野物体识别
  • 定位（location）
    目标在哪里；
  • 检测（detection）
    图像中有哪些目标，位置在哪；
  • 识别（recognization）
  • 分割（Segmentation）
    • 语义分割（semantic segmentation）
      分割出物体；
    • 实例分割（instance segmentation）
      分割出个体；
      • 扁桃体分割（amygdala segmentation）
      • 前列腺分割（prostate segmentation）
      • 手部分割（hands segmentation）
      • 对话框分割（speech ballon segmentation）
  • 显著性检测（saliency detection）
    以人眼关注为标准，找到图像中最为突出的目标区域；包括眼动点检测和显著性目标检测（与检测和分割密切相关）；
  • 图像检索（image retrival）
    以图搜图；
    • 行人重识别（ReID）
    • 人脸检索
  • 验证
    判断两张图像是不是同一个物体；
    • 人脸验证

1.1.3 图像级别

  • 超分辨率（Super-resolution）
    从低分辩率估计出高分辨率图像；
  • 风格迁移（Style Transfer，Neural Style）
    转换图像的风格；
  • 着色（Colourisation）
    单色图像转换成彩色图像；

1.1.4 理解级别

  • 图像翻译 | 图像描述 | 图像标注 | 看图说话 | 场景理解（Image Captioning）
    根据图片生成描述文字；
  • 图像生成（Image Generation）
    文字转图像；
  • 视觉问答（visual question-answer，VQA）| 命名实体识别（Named Entites Recognition）
    给出一张图像和一个开放式问题，生成一个答案；
  • 视觉问题生成（visual question generation，VQG）
    与 VQA 相反，输入图像和答案，能够生成相关的问题；
  • 视觉定位（visual grounding）
    给出一张图像和一段描述性语句，找到图中最相关的区域；
  • 语义强化（semantic reinforcement）
    针对文字，使用视觉提示来暗示主题，即用图片代替文字达到凸显主题的目的；
  • 视觉可供性预测（visual affordance prediction）

1.1.5 专题

  • 人
    • 2D 姿态估计
      找到人体部位的方向和构型；一般是找到各部位的位置；
    • 头部姿态估计（head pose estimation）
    • 手部姿态估计（hand pose estimation）
    • 人体关键点检测（key point）
    • 人脸关键点检测
    • 人脸识别（face recognization）
    • 人脸对齐（face align）
    • 手势识别
    • 人群计数（crowd counting）
    • 活性检测（activity recognization）
    • 表观分析（apparent analysis）
    • 唇语识别（lip reading）
    • 人流量预测（crowd flow predict）
  • 文字
    • OCR
  • 自动驾驶（automatic drive）
    • 导航（navigation）
    • 车牌识别（palte recognization）
    • 车辆检索（vehicle ReID）

1.1.6 其他

  • 图像编码
    保证图像质量的前提下，压缩数据，以便存储和传输；
  • 数据增强
    • 目标检测——数据增强

1.2 三维图像

1.2.1 目标级别

  • 视角转换（view synthesis）
  • 三维重建（3D reconstruction）
    • 基于点云的
    • 基于图像的
  • 姿态估计（pose estimation）
    • 人体姿态
    • 人脸姿态
    • 手部姿态
    • 物体姿态
  • 关键点检测

1.2.2 图像级别

  • 深度估计
  • 三维感知
  • 表示解耦
  • 点云处理
    • 点云神经网络
    • 3D 渲染
  • SLAM
    • SLAM 重建
    • 目标 SLAM
    • 3D 摄影

1.2.3 理解级别

  • 场景理解
  • 图像生成（3D Image Generation）
    文字转三维图像；

1.3 视频

1.3.1 目标级别

  • 跟踪（tracking）

1.3.2 理解级别

  • 视频分类 | 动作识别 | 行为识别
    对视频进行分类；包括修剪视频识别和未修剪视频识别；
  • 视频检测
    找到视频中的动作，及其所处的时间段
  • 视频检索
  • 动作估计 | 行为分析 | 姿态估计
    最近指通过观察场景，来预测即将要出现的动作；

TOP

附录

A 资源

  1. NIPS

B 参考资料

[1]. 机器之心. 计算机视觉这一年：分割、超分辨率、风格迁移、着色和动作识别[EB/OL]. https://www.jiqizhixin.com/articles/2017-12-03. 2017-12-04/2019-03-22.
[2]. 用户1332428. 计算机视觉处理三大任务：分类、定位和检测[EB/OL]. https://cloud.tencent.com/developer/article/1054871. 2018-03-08/2019-03-22.
[3]. 用户1332428. 计算机视觉任务：图像梯度和图像完成[EB/OL]. https://cloud.tencent.com/developer/article/1054873. 2018-03-08/2019-03-22.
[4]. GY. 计算机视觉任务(Computer Vision)整理[EB/OL]. https://cloud.tencent.com/developer/article/1054873. 2018-08-30/2019-03-22.
[5]. Jaybo. 计算机视觉笔记及资料整理（含图像分割、目标检测）[EB/OL]. https://juejin.im/post/5b6fb60451882560ea4af96e. 2018-08-12/2019-03-22.

Comments

You May Also Enjoy