本文目录导读：
在当今科技飞速发展的时代，计算机视觉作为人工智能领域的一个重要分支，其应用范围广泛且深入到生活的方方面面,并非所有涉及图像或视频处理的问题都属于计算机视觉范畴。
图像识别与分类
图像识别是计算机视觉的核心任务之一，它涉及到从图像中提取特征、建立模型并进行分类的过程，人脸识别技术广泛应用于安全监控、身份验证等领域；物体检测则用于自动驾驶汽车中识别道路标志和障碍物等。
图片来源于网络，如有侵权联系删除
视频分析与理解
随着互联网的发展，海量视频数据涌现出来，如何高效地从视频中提取有用信息成为一大挑战，视频分析不仅包括帧间关系的建模，还包括动作识别、情感分析等方面，这些技术在 surveillance systems（监控系统）、sports analysis（运动分析）等领域有着重要的应用价值。
计算机图形学
虽然它与计算机视觉有一定的交集，但本质上它是关于如何在计算机上生成逼真的图像和动画的技术，游戏开发中的角色渲染、虚拟现实环境构建等都依赖于先进的图形算法和技术。
自然语言处理
自然语言处理(NLP)主要关注于机器理解和生成人类语言的能力，尽管NLP有时会使用视觉数据进行辅助学习，但其核心仍然是文本数据的分析和处理,将NLP归类为非计算机视觉类问题是合理的。
图片来源于网络，如有侵权联系删除
数据挖掘与机器学习
虽然许多现代深度学习方法都起源于统计模式识别领域，并且现在被广泛应用于计算机视觉任务中，如卷积神经网络(CNN)、循环神经网络(RNN)等，但它们本身并不是专门针对视觉数据的，相反，它们是一套通用的数据处理方法，可以应用于各种类型的数据集，包括但不限于图像、音频、文本等。
我们可以得出结论：虽然计算机视觉与其他一些领域存在一定的交叉点，但仍有明确界限区分哪些问题属于计算机视觉范畴内的工作，以及哪些问题超出了这个范畴的范围，对于研究者来说,了解这些区别有助于更好地聚焦研究方向和发展新技术。
标签： #不属于计算机视觉类问题的是
评论列表