作為人工智能（AI）的核心技術之一，計算機視覺（ComputerVision，CV）在過去的二十年中發展迅速，其應用范圍涵蓋了工業，農業，軍事和國防等許多領域。
計算機視覺的主要任務是什么？計算機視覺具有豐富的內涵，并且有許多任務需要完成。
關鍵任務包括：圖像增強，圖像分類，圖像檢測和定位，圖像分布以及目標識別。
圖像增強：圖像增強處理可以有效去除圖像噪點，增強圖像邊緣，突出顯示圖像中需要的重要信息，去除或減弱不重要的信息，達到提高圖像視覺質量的效果，更適合于人類觀察或機器識別。
圖像分類：圖像分類是目標檢測和語義分割的重要支持。
其目標是將不同的圖像分類為不同的類別，并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無處不在，例如智能手機相冊的自動分類，產品缺陷識別，無人駕駛等。
圖像檢測和定位：對象檢測可為許多視覺任務提供動力，例如實例分割，姿勢估計，跟蹤和動作識別。
它在監視，自動駕駛和視覺問題解答中具有下游應用程序。
圖像分割：對于一張圖片，可能有多個對象，多個人，甚至是多層背景。
希望對于原始圖像上的每個像素，可以預測它屬于哪個部分（人，動物，背景...）。
目標識別：目標識別的目的是確定場景中是否存在感興趣的目標（二維圖像，視頻或三維圖像），如果存在，則估計其位置和姿勢，即在計算機視覺中非常重要的研究方向。
計算機視覺的未來趨勢是什么？通過域技術分析系統，對計算機視覺，國家趨勢，機構趨勢和其他技術趨勢領域的技術趨勢進行全面分析：國家趨勢：制度趨勢：目標檢測的基本任務仍然是一個非常具有挑戰性的主題，并且有大的。
增強潛力和空間。
從RCNN到FastRCNN，再到FasterRCNN，效率一直在提高，那么如何理解卷積神經網絡，目標檢測以及掌握模型框架的基本操作呢？