本节课主要内容：
    ① 计算机视觉四类任务
    ② 对目标检测算法的原理进行学习
    ③ 人脸墨镜特效的原理学习

    （1） 计算机视觉四类任务
    四大任务：图像分类、目标定位、目标检测和图像分割
    image.png
    ① 图像分类
    图像分类是给定一张图片，直接判断图像里包含什么类别的目标，解决“是什么”的问题。
    ② 目标定位
    目标定位则是给定一张图片，可以将目标的位置找出来，解决”在哪里“的问题。
    小疑惑：如果不知道是什么物体，那模型怎么知道这里可能有个目标对象？还是说先给定模板，然后去图中找模板出现的位置？那这就是模板匹配问题了。
    image.png
    image.png
    ③ 目标检测
    然而目标检测，是在目标定位的基础上进一步升级。既要定位出图片上所有目标的位置，也要输出目标的类别。解决的“是什么？在哪里？”的问题。
    该算法应用广泛，是很多项目的前置任务。
    ④ 图像分割
    图像分割这个方向，在生活中也是很重要的应用方向，主要解决“每一个像素是什么”的问题。【这个是基于像素的分类问题，本质还是分类】
    分割算法还分为三种：实例分割、语义分割、全景分割。

    • 通过实例分割，我们可以区分出不同的个体。（忽略背景类）
    • 语义分割只能判断类别，无法区分个体。（将背景与不同对象分别分割出来，并用不同的颜色进行可视化）
    • 全景分割是实例分割和语义分割的结合，当出现一种类别中有多个实例的时候，会有不同的颜色进行区分。（在分割出不同类物体的前提下，针对每个物体用不同的颜色进行标注以作区分。）

    （2） 目标检测
    由于各类物体的外观，形状，姿态，加上成像时的光照，遮挡等因素的干扰，目标检测一直是计算机视觉领域非常具有挑战性的问题。
    不过因为CV领域，各种项目的第一步都是目标检测，所以目标检测算法非常重要。
    image.png
    从图上可以看到，以中间黄色CNN卷积神经网络，为分水岭。
    在2012年以前属于冷兵器时代，主导的算法主要是基于传统手工特征的检测算法。
    而到了2012年之后，随着GPU的发展，图像数据的增加，开始进入GPU时代，主要通过大量数据深度学习来进行目标检测。
    其中比较代表性的算法，就是YOLO系列，RCNN系列，这两种算法都是基于anchor锚框的。
    不过这里简单的说一下，Yolo算法是端到端直接输出目标物体的位置和类别，属于One-stage算法。
    而Faster-Rcnn算法属于Two-stage算法，主要分成两个阶段：

    • 第一阶段首先产生候选区域，包含大量的可能存在目标的框。
    • 然后第二阶段对候选区域进行分类和位置精修，因为有两步，所以属于two-stage算法。

    而在19年以后，其实还产生了另一种无锚框的方式，以Centernet为代表，但因为也是直接输出目标物体的信息，因此也属于one-stage算法。
    后面在2020年又出现了Yolov4、Yolov5目标检测算法。
    大白的学习建议
    a.视频方面

    1. ① 《 Yolov3相关算法的原理及实现（上）》
    2. 链接： https://www.jiangdabai.com/video/%e5%8f%91%e5%b8%83%e8%a7%86%e9%a2%91%e6%b5%8b%e8%af%95-2-2-2-2-2-3
    4. ② 《 Yolov3相关算法的原理及实现（下）》
    5. 链接： https://www.jiangdabai.com/video/%e5%8f%91%e5%b8%83%e8%a7%86%e9%a2%91%e6%b5%8b%e8%af%95-2-2-2-2-2-2-3
    7. ③ 《 Yolov4相关算法的原理及实现（上）》
    8. 链接： https://www.jiangdabai.com/video/%e5%8f%91%e5%b8%83%e8%a7%86%e9%a2%91%e6%b5%8b%e8%af%95-2-2-2-2-2-2-2-3
    10. ④ 《 Yolov4相关算法的原理及实现（下）》
    11. 链接： https://www.jiangdabai.com/video/%e5%8f%91%e5%b8%83%e8%a7%86%e9%a2%91%e6%b5%8b%e8%af%95-2-2-2-2-2-2-2-2-2
    13. ⑤ 《 RCNN相关算法的原理及实现（上）》
    14. 链接： https://ke.qq.com/webcourse/index.html#cid=3454999&term_id=103592742&taid=11130734168553495&type=1024&vid=5285890816097062907
    16. ⑥ 《 RCNN相关算法的原理及实现（下）》
    17. 链接：
    18. https://ke.qq.com/webcourse/index.html#cid=3454999&term_id=103592742&taid=11130738463520791&type=1024&vid=5285890816097182436

    b.文章方面

    1. ① 《深入浅出Yolo系列之Yolov4核心基础完整讲解》
    2. 链接： https://zhuanlan.zhihu.com/p/143747206
    4. ② 《深入浅出Yolo系列之Yolov5核心基础完整讲解》
    5. 链接： https://zhuanlan.zhihu.com/p/172121380
    7. Yolov4和Yolov5都是2020年提出的，2021年旷视科技在此基础上，又发布了Yolox算法
    8. ③ 《深入浅出Yolo系列之Yolox核心基础完整讲解》
    9. 链接： https://zhuanlan.zhihu.com/p/397993315
    11. 此外，大家如果有显卡的话，可以使用自有数据集，训练Yolox模型。
    13. ④《深入浅出Yolox之自有数据集训练超详细教程》
    14. 链接： https://zhuanlan.zhihu.com/p/397499216

    (3)学习墨镜特效的原理
    三个阶段实现该项目：
    第一阶段：眼镜区域的算法处理
    这一步的目的，是将眼镜从左图中抠取出透明图，这样才能便于在人脸图片上贴图。
    所以第一步：先将彩色图像转换成灰度图像，便于通过灰度图进行阈值化处理。
    image.png