计算机视觉领域常见的关键技术主要包括以下五类，涵盖图像处理、目标识别、场景理解等核心任务：

1. 图像分类

   通过深度学习（如卷积神经网络CNN）将图像自动分类到预定义类别，广泛应用于人脸识别、物体识别等场景。

2. 目标检测

   识别图像中物体的位置和大小，结合区域提议网络（RPN）和YOLO等算法，应用于安全监控、自动驾驶等领域。

3. 目标跟踪

   跟踪视频流中的运动物体，分为生成方法和判别方法，用于实时监控、游戏控制等场景。

4. 图像分割

   • 语义分割 ：将图像像素分类为不同区域（如道路、人物），常用于医学影像分析。

   • 实例分割 ：区分同一类别的不同实例（如不同行人），提升物体识别精度。

5. 三维重建与深度估计

   • 立体视觉 ：通过多视角图像重建三维场景，应用于机器人导航、增强现实。

   • 深度估计 ：从单张图像推测物体距离，生成深度图，用于虚拟现实和超分辨率重建。

其他前沿技术 ：包括自监督学习、多模态融合、神经辐射场等，正在推动计算机视觉向更智能的方向发展。