對象識別

計算機視覺AI的這個分支涉及檢測圖像或視頻中的一個或多個事物。例如，監(jiān)控攝像頭可以智能地識別人類及其活動（沒有運動，槍支或刀具等東西），因此這些可疑活動被標記。

圖像分割

圖像分割是一種像素級計算機視覺技術，用于確定給定圖像中的內容。它不同于圖像識別（使用一個或多個標簽標記完整圖像）和對象檢測（通過在圖像周圍創(chuàng)建邊界框來定位圖像內的內容）。圖像分割提供有關圖像內容的更細粒度的信息。

圖像分類

圖像分類是根據(jù)圖像周圍的視覺內容對圖像進行分類的過程。該過程需要專注于相鄰像素之間的關系。具有預定模式的數(shù)據(jù)庫組成了分類系統(tǒng)。

將這些模式與已識別的對象進行比較以確定其分類。車輛導航、生物測量、視頻監(jiān)控、生物醫(yī)學成像等領域都受益于圖像分類。

實時增強
 增強現(xiàn)實應用嚴重依賴計算機視覺。該技術使AR應用程序能夠實時檢測物理事物（物理位置內的表面和單個物體），并利用這些數(shù)據(jù)在物理環(huán)境中定位虛擬物體。

面部識別
 面部識別技術的目標是識別照片中的物品或人臉。由于人臉的多樣性-表情，態(tài)度，膚色，相機質量，位置或方向，圖像分辨率等-它是計算機視覺更困難的應用之一。

然而，這種方法被廣泛采用。它用于在智能手機上對用戶進行身份驗證。當Facebook為照片中的人物建議標簽時，它采用了相同的方法。

識別模式和識別邊緣

系統(tǒng)發(fā)現(xiàn)屬性或數(shù)據(jù)模式的能力稱為模式識別。模式可以是循環(huán)數(shù)據(jù)序列或已添加到系統(tǒng)中的一組數(shù)據(jù)。

在圖片中查找對象的邊緣就是邊緣檢測的全部內容。這是通過檢測亮度不連續(xù)性來實現(xiàn)的。在數(shù)據(jù)提取和圖像分割中，邊緣檢測非常有用。

農(nóng)業(yè)

許多農(nóng)業(yè)公司使用計算機視覺來監(jiān)測收成并處理常見的農(nóng)業(yè)問題，如雜草生長和養(yǎng)分不足。計算機視覺系統(tǒng)分析來自衛(wèi)星、無人機和飛機的照片，以便及早發(fā)現(xiàn)問題，從而避免可避免的經(jīng)濟損失。