矩阵在计算机视觉的应用_一文了解计算机视觉的八大应用

机器学习常见的应用方向，包括以下几个：

• 计算机视觉(CV)
• 自然语言处理(NLP)
• 语音识别
• 推荐系统
• 广告

等等

更详细的可以参考之前推荐过的一个网站：

https://paperswithcode.com/sota

这个网站非常详细划分了 16 个大方向，包括总共 1081 个子方向。如果想进入机器学习领域，首先还是选择一个方向领域，然后了解和熟悉该方向领域内所需要的算法，特定的解决技巧等。

当然，这篇文章主要介绍的是计算机视觉的应用，计算机视觉也算是这 16 个方向里面最热门也是发展最成熟的其中一个方向了。

计算机视觉可以分为以下几大方向：

1. 图像分类
2. 目标检测
3. 图像分割
4. 风格迁移
5. 图像重构
6. 超分辨率
7. 图像生成
8. 人脸
9. 其他

虽然这里说的都是图像，但其实视频也属于计算机视觉的研究对象，所以还有视频分类、检测、生成，以及追踪，但篇幅的关系，以及目前研究工作方向也集中于图像，暂时就不介绍视频方面应用的内容。

每个方向会简单介绍该方向需要解决的问题，以及推荐一些 Github 项目、论文或者是综述文章。

---

1. 图像分类(Image Classification)

图像分类，也可以称为图像识别，顾名思义，就是辨别图像是什么，或者说图像中的物体属于什么类别。

图像分类根据不同分类标准可以划分为很多种子方向。

比如根据类别标签，可以划分为：

• 二分类问题，比如判断图片中是否包含人脸；
• 多分类问题，比如鸟类识别；
• 多标签分类，每个类别都包含多种属性的标签，比如对于服饰分类，可以加上衣服颜色、纹理、袖长等标签，输出的不只是单一的类别，还可以包括多个属性。

根据分类对象，可以划分为：

• 通用分类，比如简单划分为鸟类、车、猫、狗等类别；
• 细粒度分类，目前图像分类比较热门的领域，比如鸟类、花卉、猫狗等类别，它们的一些更精细的类别之间非常相似，而同个类别则可能由于遮挡、角度、光照等原因就不易分辨。

根据类别数量，还可以分为：

• Few-shot learning：即小样本学习，训练集中每个类别数量很少，包括 one-shot 和 zero-shot ；
• large-scale learning：大规模样本学习，也是现在主流的分类方法，这也是由于深度学习对数据集的要求。

推荐的 Github 项目如下：

• https://github.com/weiaicunzai/awesome-image-classification
• https://github.com/e-271/awesome-few-shot-learning
• https://github.com/chichilicious/awesome-zero-shot-learning

论文：

• ImageNet Classification With Deep Convolutional Neural Networks, 2012
• Very Deep Convolutional Networks for Large-Scale Image Recognition, 2014.
• Going Deeper with Convolutions, 2015.
• Deep Residual Learning for Image Recognition, 2015.
• Inceptionv4 && Inception-ResNetv2，2016
• RexNext，2016
• NasNet，2017
• ShuffleNetV2，2018
• SKNet，2019

文章：

• 入门 | 从VGG到NASNet，一文概览图像分类网络：https://mp.weixin.qq.com/s/gwH9s1ggMTj2dJkad9wUuw
• CNN网络架构演进：从LeNet到DenseNet：https://www.cnblogs.com/skyfsm/p/8451834.html)
• 旷视南京研究院魏秀参：细粒度图像分析综述：https://mp.weixin.qq.com/s/Q5n5YNHb8MM0KJG6UdjI2A
• -小样本学习年度进展|VALSE2018：https://www.jiqizhixin.com/articles/2018-06-20-13

常用的图像分类数据集：

• Mnist：手写数字数据集，包含 60000 张训练集和 10000 张测试集。
• Cifar：分为 Cifar10 和 Cifar100。前者包含 60000 张图片，总共10个类别，每类 6000 张图片。后者是 100 个类别，每个类别 600 张图片。类别包括猫狗鸟等动物、飞机汽车船等交通工具。
• Imagenet：应该是目前最大的开源图像数据集，包含 1500 万张图片，2.2 万个类别。

2. 目标检测(Object Detection)

目标检测通常包含两方面的工作，首先是找到目标࿰