作为人工智能（AI）的核心技术之一，计算机视觉（ComputerVision，CV）在过去的二十年中发展迅速，其应用范围涵盖了工业，农业，军事和国防等许多领域。
计算机视觉的主要任务是什么？计算机视觉具有丰富的内涵，并且有许多任务需要完成。
关键任务包括：图像增强，图像分类，图像检测和定位，图像分布以及目标识别。
图像增强：图像增强处理可以有效去除图像噪点，增强图像边缘，突出显示图像中需要的重要信息，去除或减弱不重要的信息，达到提高图像视觉质量的效果，更适合于人类观察或机器识别。
图像分类：图像分类是目标检测和语义分割的重要支持。
其目标是将不同的图像分类为不同的类别，并实现最小的分类误差。
如今，图像分类的应用在我们的生活中无处不在，例如智能手机相册的自动分类，产品缺陷识别，无人驾驶等。
图像检测和定位：对象检测可为许多视觉任务提供动力，例如实例分割，姿势估计，跟踪和动作识别。
它在监视，自动驾驶和视觉问题解答中具有下游应用程序。
图像分割：对于一张图片，可能有多个对象，多个人，甚至是多层背景。
希望对于原始图像上的每个像素，可以预测它属于哪个部分（人，动物，背景...）。
目标识别：目标识别的目的是确定场景中是否存在感兴趣的目标（二维图像，视频或三维图像），如果存在，则估计其位置和姿势，即在计算机视觉中非常重要的研究方向。
计算机视觉的未来趋势是什么？通过域技术分析系统，对计算机视觉，国家趋势，机构趋势和其他技术趋势领域的技术趋势进行全面分析：国家趋势：制度趋势：目标检测的基本任务仍然是一个非常具有挑战性的主题，并且有大的。
增强潜力和空间。
从RCNN到FastRCNN，再到FasterRCNN，效率一直在提高，那么如何理解卷积神经网络，目标检测以及掌握模型框架的基本操作呢？