Visão computacional:

1. Segmentações

1.1. Segmentação de instâncias

1.1.1. Identifica objetos distintos

1.2. Segmentação semântica

1.2.1. Identifica tipos de objetos, pixel a pixel

2. Algoritmos de reconhecimento

2.1. Transfer learning

2.1.1. Uso de modelos pré-treinados

2.1.2. Exemplo: YOLO

2.2. Ajustes de hiperparâmetros

2.2.1. Cautela com overfitting

2.3. Redes neurais convolucionais

2.3.1. Agrupar imagens em categorias, dado seu conteúdo

3. Extração de descritores

3.1. Descritores de bordas.

3.1.1. Permite delimitar o contorno do objeto

3.2. Descritores de forma

3.2.1. Características invariantes, mesmo com rotações

3.3. Descritores de textura

3.3.1. Informações sobre a superfície do objeto

3.4. Descritores de cor

3.4.1. Ajuda a identificar e distinguir objetos em cenários complexos

4. Pré-processamento

4.1. Ajustes de tamanhos das imagens.

4.2. Ajustes de cor, brilho, saturação.

5. Aquisição de imagens

5.1. Grandes bancos de dados opensource, como ImageNet.

5.2. Armazenamento eficiente, em formato lossless.

5.3. Para treino de modelos supervisionados, ter imagens com rótulos (exemplo: com máscara e sem máscara).