计算机视觉应用场景分析,计算机视觉的主要研究内容和细分方向（超全超赞）...

非常完整的机器视觉研究方向总结，按技术原理、按应用场景进行划分。

PS: 若MarkDown不支持 TOC 和 TOCM 标题预览，可访问上述地址，分类结构更加清晰。

[TOCM]

[TOC]

图像与视频

图像处理

图像分类

单标签分类、多标签分类、细粒度分类

目标检测与分割

检测定位、语义分割、实例分割、全景分割

图像超分辨重建

图像恢复与增强

去雾、去雨、增强

图像问答和描述

图像与视频检索

视频内容分析

视觉目标跟踪

图神经网络GNN

生成对抗 GAN

AutoML & NAS

自动机器学习，神经架构搜索

网络压缩与轻量化

双目多目视觉

多源融合视觉

可见光成像、红外线成像、雷达波成像

医学影像分析

识别、重建、分割、配准

遥感与航空影像分析

工业视觉检测

缺陷检测、共件计数、尺寸测量

智能无人驾驶

车道线检测，交通标志检测、车辆检测、车牌号识别、车辆属性识别，ADAS等

SLAM与机器人

自主定位、导航与即时地图构建

三维点云和3D重建

人体技术相关

人体指纹识别

人体手势识别

人体姿态估计

人体动作检测

人体配装换装

人体服装搭配、穿衣风格定型、人体服装交换等

行人检测与识别

行人检测、行人重识别ReID、步态识别、人群计数

人脸技术相关

人脸美颜

人脸检测

人脸对齐

人脸验证

人脸检索

属性识别

表情识别

活体检测

人脸交换

虹膜识别

主要软件工具

OpenCV

TensorFlow

PyTorch

PIL

SKI-Image

Matlab

主要数据集

下图所示为一部分数据集

file

查看所有数据集信息，可公众号内回复 dataset，

每个数据集都提供了官方下载地址和简单的使用说明。

** 亲亲一扫，随时可查 **

file