计算机视觉————任务的理解：图像识别，目标检测，语义分割，实例分割，全景分割以及三大顶会

图像识别：主要是常见的分类问题。输入图片到神经网络，输出为当前样本属于每个类别的概率。通常选取概率最大的作为样本的预测结果。
目标检测：通过算法检测出图片中常见物体的大致位置，通常用边界框去表示，并分类出边界框中物体的类别信息。通常的方法有one-stage 和 two-stage..。主要区别在于是否分为两阶段，（是否先产生区域建议框，再进行分类和回归）。
语义分割：像素级的分类，分析每个像素点的分类，但并不区分同一类别中不同的对象。
实例分割：目标检测和语义分割的结合。实例分割相对于目标检测，是对每个像素点进行分类。实例分割解决方法可以归为两种，自底向上和自上向下。（先语义分割再目标检测。。先目标检测再语义分割）
全景分割：语义分割和实例分割的结合。全景分割相对于实例分割，增加了对背景等的分割。

在计算机视觉方面，通常认为三大顶级会议分别是：CVPR，ICCV，ECCV。

1，ICCV（IEEE International Conference on Computer Vision），名字越简单，经常越厉害。通常是每两年举行一次。最近一次即是2019年在韩国首尔举行，在中国，2005年在北京举行。会议的论文会被 EI 检索。

2，CVPR（IEEE Conference on Computer Vision and Pattern Recognition），通常是每年举行一次，但举行地点一直是美国本土，大约是每年6月。CVPR有着较为严苛的录用标准，会议整体的录取率通常不超过30%，而口头报告的论文比例更是不高于5%。

3，ECCV（European Conference on Computer Vision），通常两年举行一次。每次会议在全球范围录用论文300篇左右，主要的录用论文都来自美国、欧洲等顶尖实验室及研究所，中国大陆的论文数量一般在10-20篇之间。ECCV2010的论文录取率为27%。

通常，每次会议的oral都需要看一看。