计算机视觉中有四大核心任务：

      1-分类任务、2-目标检测任务、3-目标分割任务 和 4-关键点检测任务

文章1：

一文读懂计算机视觉4大任务

文章2：

图像的目标分割任务：语义分割和实例分割

 不同任务之间相关但不完全相同，因此不同的任务最好选择相应的模型，话不多说，看表：

（注：表中github链接并不一定是模型的正式版本，只是本文用于展示模型的网络结构和应用）

1-分类任务模型

序号 模型 ipynb模型的github链接
1 LeNet https://github.com/udacity/CarND-LeNet-Lab
2 AlexNet https://github.com/Fannjh/AlexNet-TF
3 VGGNet https://github.com/Fozan-Talat/Image-Classifier-VGG
4 GoogLeNet GitHub - AbdelrahmanShehata482/CNN-project: CNN_Project (py and ipynb code ) (Vgg16-GoogleNet from scratch)
5 ResNet GitHub - ry/tensorflow-resnet: ResNet model in TensorFlow
6 DenseNet GitHub - titu1994/DenseNet: DenseNet implementation in Keras
7 MobileNet https://github.com/Zehaos/MobileNet
8 EfficientNet https://github.com/qubvel/efficientnet
9 SVM(支持向量机) https://github.com/Think103/-

2-目标检测任务模型

序号 模型 ipynb模型的github链接
1 R-CNN（已过时）
2 Fast R-CNN（已过时）
3 Faster R-CNN GitHub - kbardool/Keras-frcnn: Keras Implementation of Faster R-CNN
4 YOLO https://github.com/ultralytics/yolov5
5 SSD https://github.com/lufficc/SSD
6 RetinaNet https://github.com/fizyr/keras-retinanet
7 Mask R-CNN https://github.com/SanmathiK/PedNet
8 EfficientDet GitHub - xuannianz/EfficientDet: EfficientDet (Scalable and Efficient Object Detection) implementation in Keras and Tensorflow
9 CenterNet https://github.com/xingyizhou/CenterNet

3-目标分割任务模型

序号 分割类型 模型 ipynb模型的github链接
1 语义分割 FCN GitHub - wkentaro/pytorch-fcn: PyTorch Implementation of Fully Convolutional Networks. (Training code to reproduce the original result is available.)
2 U-Net GitHub - yingkaisha/keras-unet-collection: The Tensorflow, Keras implementation of U-net, V-net, U-net++, UNET 3+, Attention U-net, R2U-net, ResUnet-a, U^2-Net, TransUNET, and Swin-UNET with optional ImageNet-trained backbones.
3 DeepLab GitHub - fregu856/deeplabv3: PyTorch implementation of DeepLabV3, trained on the Cityscapes dataset.
4 PSPNet GitHub - Lextal/pspnet-pytorch: PyTorch implementation of PSPNet segmentation network
5 SegNet GitHub - preddy5/segnet: A Deep Convolutional Encoder-Decoder Architecture for Image Segmentation
6 HRNet GitHub - HRNet/HRNet-Image-Classification: Train the HRNet model on ImageNet
7

实例分割

 Mask R-CNN https://github.com/saikoneru/Instance-Segementation
8 PANet https://github.com/kaixin96/PANet
9 YOLACT https://github.com/dbolya/yolact
10 SOLO https://github.com/iambankaratharva/SOLO-Instance-Segmentation
11 PointRend https://github.com/zsef123/PointRend-PyTorch

4-关键点检测任务模型

序号 检测目标 模型 ipynb模型的github链接
1

人脸

 Dlib GitHub - davisking/dlib: A toolkit for making real world machine learning and data analysis applications in C++
2 MTCNN GitHub - ipazc/mtcnn: MTCNN face detection implementation for TensorFlow, as a PIP package.
3 FaceBoxes GitHub - zisianw/FaceBoxes.PyTorch: A PyTorch Implementation of FaceBoxes
4 PRNet GitHub - yfeng95/PRNet: Joint 3D Face Reconstruction and Dense Alignment with Position Map Regression Network (ECCV 2018)
5

人体

 OpenPose GitHub - Hzzone/pytorch-openpose: pytorch implementation of openpose including Hand and Body Pose Estimation.
6 HRNet https://github.com/HRNet/HigherHRNet-Human-Pose-Estimation
7 CPM GitHub - PanZiqiAI/CPM-Clothes-Keypoints-Detection: Convolutional Pose Machine implemented for clothes key points detection.
8 Mask R-CNN with Keypoint Detection Branch GitHub - chrispolo/Keypoints-of-humanpose-with-Mask-R-CNN: Use the Mask RCNN for the human pose estimation
9 AlphaPose GitHub - Amanbhandula/AlphaPose: AlphaPose Implementation in Pytorch along with the pre-trained weights
10 MoveNet GitHub - fire717/movenet.pytorch: A Pytorch implementation of MoveNet from Google. Include training code and pre-trained model.

需要说明，上表中模型名称并不单指某个模型，而是一类模型统称，如YOLO模型实际包括了yolov1~yolov10的10个系列。

# 计算机视觉 # 人工智能 # 深度学习
Logo
DAMO开发者矩阵

DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。

更多推荐

具身智能操作系统四大工程流派

训练完成后下发真机验证；代表玩家有，波士顿动力Spot/Atlas、特斯拉Optimus、宇树科技的UnifoLM、小米人形机器人等项目。这一派的具身智能，是运动性能行业天花板，步态平衡、爆发力、力控精度遥遥领先，自研整机形成极强的飞轮效应。但其机器人板载算力存在天花板，整机硬件成本偏高，而且端侧大模型功耗发热严重，直接挤压机器人续航。和电脑Windows、手机安卓不同，机器人面对的是一个无限复杂

avatar DAMO开发者矩阵
cover

企业微信二次开发：外部群机器人，从群消息到业务系统如何打通？

avatar DAMO开发者矩阵

AI 资讯日报 | 2026年8月27日：智谱、阿里接连发布并开源高性能大模型，英伟达交出营收翻倍的超预期财报，工信部明确“十五五“AI发展路线图

2026年8月27日，AI产业进入“开源降价+算力变现+规模落地”新阶段。智谱GLM-5.3-Flash、阿里Qwen3.8-Flash接连开源，以更低成本冲击全球模型市场；英伟达Q2营收达962亿美元，同比增长106%，AI算力商业化持续提速。工信部明确“十五五”AI发展路线，国产算力、世界模型、人形机器人等成为重点方向。同时，小鹏升级VLA、Waymo拓展海外市场，机器人赛事持续突破。伴随AI

avatar DAMO开发者矩阵