1.计算机视觉导论
解决的问题
分类，检测，分割
Single Object
- Classification
- Classification + Localization
Multiple Object
- Object Detection 有些像素里面是目标的，有一些是背景的，所以背景的就是冗余了。
- Segmentation（分割最难），就像是PS的抠图
Semantic Segmentation 语义分割：分割的时候，每个像素进行分类，就是按类分，所以猫与猫之间是没有界限的，同一类物体时被分在一起。
会区分背景，就是会把背景识别出来
Instance Segmentation 实例分割：将不同的物体扣出来，会有不同的个体
背景是不感兴趣区域，所以就不识别出来，不进行处理
图像分割不是目的，只是前提
三个关键
- 硬件的算力
- 样本数据
- 模型的算法
目标检测方法分类
两阶段方法：先从图像上提取候选框，再对每一个候选框进行逐一的甄别，最终把置信度高的候选框，筛选出来，展示出最后的结果。
eg. R-CNN, Fast-RCNN, Faster-RCNN, Mask-RCNN.
缺点：速度比较慢，就像RCNN需要提取2000多个框，那就浪费了很多的算力，但是很准确。
单阶段方法：不需要提取候选框，直接把图像放进去，就可以得到结果，所以速度就非常快。
eg. YOLO、SSD