计算机视觉是使计算机能理解采集设备采集的图像视频的一门学科，目的是让计算机实现人的视觉功能——对客观世界的三维场景的感知、识别和理解。换句话说，要让计算机具备通过二维图像认识三维环境的能力。

三个阶段

视觉层级

基本任务

技术难点

计算机视觉研究图像包括图像处理、图像分析、图像理解三个阶段。

计算机视觉可以划分为初级视觉、中级视觉、高级视觉三个层级：

计算机视觉包括四项基本任务：分类、定位、检测和分割。

分类：解决“图像是什么”的问题，即给定一张图或一段视频，判断图片或视频所属的类别
定位：解决“目标在哪里”的问题，即判断图像中的目标具体在图像的什么位置，位置通常以包围盒的形式表示，通常面向单一或给定数目的目标。
检测：解决“哪里有哪些哪种类别的目标”的问题，即发现图片中的目标并判断目标种类，检测任务面向的图像中出现的目标种类和数目都不定。
分割：解决“每个像素属于哪个目标/场景”的问题，分为。检测只需要框出每个目标的包围盒，分割则需要进一步判断图像中哪些像素属于哪个目标。分割包括语义分割、实例分割和全景分割，语义分割不区分属于相同类别的不同实例，实例分割则需要区分出哪些像素属于相同类别的不同实例。全景分割可以认为是实例分割和语义分割的结合。