Day 1 --- 计算机视觉与OpenMMLab开源算法体系

一、常见的CV任务与区别

• 图像分类：图像层面，最基础的任务，常作为目标检测、图像分割任务的BackBone提取图像特征
• 目标检测：像素粒度（细粒度），对图像中的目标物体进行框选检测，分通用目标检测与特定目标检测两方面，人脸识别属于特定目标检测，识别世界中大千万物属于通用目标检测
• 语义分割：像素粒度，对图像中的单类或多类物体进行分割，仅可按照类别进行区分，同类物体具有相同的像素值
• 实例分割：像素粒度，对图像中的单个或多个物体进行分割，不同于语义分割，实例分割可分割出同类中的不同物体，每个物体具有单独的像素值以供区分
  

二、计算机视觉的发展之路

• 早期萌芽阶段：以Robert算子为代表的边缘检测算法提出，为计算机视觉的发展做出了不可磨灭的贡献
• 机器学习阶段：将机器学习技术应用到计算机视觉领域，EigenFace和Adaboost等机器学习方法开始将人脸识别领域推向实用化。
• 特征工程阶段：传统任务中，研究者常常针对实际场景进行特征工程，手动设计底层特征进行CV任务，不同的目标对象具备不同的滤波器提取特征，泛用性极差。
• 数据驱动：2006年，李飞飞教授启动了ImageNet数据库项目，机器可以通过学习大量数据，去自主学习出图像特征。无需手动构造。
• 视觉系统：2010年NEC-UIUC集合了层次结构、边缘检测以及机器学习方法，构建出一个完整的视觉分类系统，但仍未摆脱手动构造特征
• 深度学习