定义计算机视觉的可解释性是一项挑战：解释像图像这样的高维输入的分类意味着什么?正如下面讨论的，两种流行的定义都涉及到显著图和决策树，但是这两种定义都有缺点。
在计算机视觉领域中并没有对视觉目标跟踪（简称跟踪，下同）的唯一定义。通常来说，跟踪的目标是视频帧或图像中的某个区域或物体，不需要其语义信息（类别等），此概念被形象地描述为“万物跟踪”。同时，也存在一些特例，通常被应用在一些特定场景中对已知类型物体的跟踪，例如工厂流水线监控中对某些特定产品的跟踪（如零部件等）。
但在计算机专业内，也有热门和冷门方向之分，相对来说，热门的专业方向对人才的需求更为旺盛。那么，热门的方向有哪些呢？我来给你盘一盘。
计算机视觉技术(也被称为机器视觉)允许机器以视觉方式解释周围的世界。作为人工智能的一种形式，计算机视觉的本质上是关于数据的分析和学习，只不过需要处理的数据都是视觉数据——而不是文本或者数据。通常来说，视觉数据都是以照片或者视频的形式存在，但是也可能包含来自热像仪和红外热像仪的数据。
关注时代Java
