用途
计算机视觉让机器理解图像与视频中的视觉信息，可用于自动驾驶、医学影像、监控等应用。本资料提供的技能覆盖图像分类与目标识别、图像中的目标检测与定位、语义或实例分割、姿态估计与人体活动识别、人脸识别与生物识别系统、医学影像分析与诊断等任务场景。
主要能力
资料列出的计算机视觉任务包括：图像分类（把图像归入类别）、目标检测（定位并分类图像中的目标）、语义分割（像素级分类）、实例分割（检测单个目标实例）、姿态估计（识别人体关节）、人脸识别（识别图像中的个人）。
常见架构方面：分类可用 ResNet、VGG、EfficientNet、Vision Transformer；检测可用 YOLO、Faster R-CNN、SSD、RetinaNet，另提及 YOLO v5、RetinaNet；分割可用 U-Net、DeepLab、Mask R-CNN，另提及 DeepLab v3；姿态可用 OpenPose、PoseNet、HRNet；跟踪可用 SORT、DeepSORT、ByteTrack。
使用方式
资料提供基于 Python 的实现示例，主要使用 PyTorch 与 TensorFlow，并涉及 numpy、pandas、matplotlib、PIL、torchvision、tensorflow.keras、cv2、sklearn、seaborn 等库。示例包含以下部分：
- 图像分类 CNN：定义 ImageClassifierCNN 类，包含卷积、ReLU、BatchNorm、MaxPool 组成的特征提取部分，以及线性层、Dropout 组成的分类器，默认 10 类。
- 目标检测框架：定义 ObjectDetector 类，包含 backbone，以及边界框回归头和类别预测头，输出 bbox 与类别。
- 语义分割 U-Net：定义 UNet 类，包含编码器、瓶颈层、解码器与最终输出卷积，默认 5 类。
- 迁移学习：示例加载预训练 ResNet18，并将全连接层替换为 10 类输出。
- 图像预处理与增强：定义基础变换（缩放、转张量、按 ImageNet 均值方差归一化）和增强变换（随机旋转、水平翻转、颜色抖动、随机仿射）。
- 合成图像数据创建：函数 create_synthetic_images 生成包含圆形、矩形、三角形的合成图像与标签。
- 可视化：绘制合成图像数据集并保存为 synthetic_images.png。
- 架构对比：统计 CNN、ObjectDetector、U-Net 参数量与用途，保存为 cv_architecture_comparison.png。
- 边界框可视化：在图像上绘制边界框并保存为 bounding_boxes.png。
适用场景
适用于需要快速搭建视觉任务原型、对比不同网络架构、进行迁移学习与数据增强流程验证的开发与研究场景。
限制
资料未提供安装命令、环境依赖版本、训练数据集来源、模型精度数据、收费与价格信息、平台支持信息与部署细节。示例代码运行的输出文件名与模型参数数量等结果需实际运行确认，文本中的参数量打印语句未给出具体数值。