深度學習尤其在電腦視覺領域取得了很大的進展，

先一張圖來理解各種電腦視覺的任務：

• 圖像分類：識別出來是什麼物體
• 圖像定位：還要預測物體的位置，用bounding box框出
• 物件辨識：多目標的定位，分別是什麼
• 實例分割：找出目標的邊界，從背景分割出來

基本上是從左到右越來越難，
在這圖像分類領域有一個很有名的競賽叫ImageNet，

圖像分類問題就是給你一張圖片，你要告訴我那是什麼東西，
ImageNet總共要分辨1000類的東西，包含各種動植物、常見物品、汽車飛機等等...
甚至哪一種品種的貓都要正確分類出來。

人工智慧的熱潮，大約從2012年開始爆發(再度)，
因為深度學習在電腦視覺領域有很大的突破(convolutional neural network，CNN)，
從2011年的26%錯誤率到現在只有不到3%的錯誤率，而目前已經超越人類的水準，

我們也已經可以在日常生活中看到應用，
你用Google圖片搜尋引擎，可以跟你說那是什麼東西，
或是你上傳照片到FB，他會自動標注照片裡面有幾個人或是有誰。

另外，還有物件辨識(Object Detection)也有很大的突破，物件辨識比分類更難，
一張圖上可能有很多物件，不僅要辨識出是哪種東西，還要找到他們的位置。

明天會介紹物件辨識領域中很有名的演算法YOLO。