計算機視覺（Computer Vision, CV）作爲人工智能（AI）的核心技術之一，在過去的二十年裏發展迅猛，應用範圍遍及工業、農業、軍事、國防等多個領域。
計算機視覺的內涵豐富，需要完成的任務衆多，關鍵任務包括：圖像增強、圖像分類、圖像檢測與定位、圖像分佈、目標識別。
圖像增強：圖像增強處理可以有效去除圖像噪聲、增強圖像邊緣，突出圖像中所需的重要信息，去除或弱化不重要的信息，達到改善圖像的視覺質量的效果，更適合人的觀察或機器的識別。
圖像分類：圖像分類是目標檢測、語義分割的重要支撐，其目標是將不同的圖像劃分到不同的類別，並實現最小的分類誤差。如今，圖像分類的應用在我們的生活中隨處可見，如智能手機的相冊自動分類、產品缺陷識別、無人駕駛等等。
圖像檢測和定位：物體檢測爲許多視覺任務提供了動力，例如實例分割，姿勢估計，追蹤和動作識別。它在監視，自動駕駛和視覺問答中具有下游應用。
圖像分割：對於一張圖來說，圖上可能有多個物體、多個人物甚至多層背景，希望能做到對於原圖上的每個像素點，能預測它是屬於哪個部分（人、動物、背景……）。
目標識別：目標識別的目的在於判斷場景（二維圖像、視頻或三維圖像）中是否存在感興趣目標，若存在則對其位置和姿態等信息進行估計，是計算機視覺中非常重要的一個研究方向。
通過領域技術分析系統，全面分析了計算機視覺領域的技術趨勢、國家趨勢、機構趨勢等
目標檢測這一基本任務仍然是非常具有挑戰性的課題，存在很大的提升潛力和空間。從RCNN到Fast RCNN，再到Faster RCNN，一直都有效率上的提升，那麼如何深入瞭解卷積神經網絡、目標檢測，掌握模型框架的基本操作？
好朋友整理一套卷積神經網絡、目標檢測、OpenCV，從檢測模型教學逐步深入，幫你輕鬆掌握目標檢測，輕鬆提升CV算法核心能力。內容不錯，推薦給你們。
通過講解和實戰操作，做到獨立搭建和設計卷積神經網絡（包括主流分類和檢測網絡），從檢測模型教學逐步深入，幫你輕鬆掌握目標檢測，並進行神經網絡的訓練和推理解決各種CV問題。
所有以上相關的的內容全部都已經打包好了，彙總成了一份百度雲的鏈接，小貼心之處是怕有的兄弟下載起來賊慢，有個可快速下載百度雲內容下載器。
當前，我國計算機視覺技術快速發展，研究熱度位居全球首位。技術的發展也帶來了就業結構、個人隱私、社會準則等多方面的的問題。我國在大力發展計算視覺技術的同時，技術帶來的風險與挑戰也同樣不容小覷。
本文分享自微信公衆號 - AI算法與圖像處理（AI_study）。
如有侵權，請聯繫 [email protected] 刪除。
本文參與“OSC源創計劃”，歡迎正在閱讀的你也加入，一起分享。
