机器学习的算法包括SVMAdaboost决策树和贝叶斯分类器。深度学习的经典算法有AlexNetVGGGoogleNetResNet等网络。有很多应用，比如人脸检测识别，Adaboost算法，文本识别比如MTCNN网络和FaceNet网络，智能驾驶，医学图像处理等。，由不同的算法实现。
计算机视觉AI的算法有哪些，具体都有哪些特点？
计算机视觉领域一般不同的应用有着不同的算法实现，我主要研究的就是计算机视觉方面的应用，主要是在图像预处理分类目标检测等方面。1. 图像分类。图像分类是根据图像的语义信息将不同类别图像区分开来，是计算机视觉中重要的基本问题，也是图像检测图像分割物体跟踪行为分析等其他高层视觉任务的基础。机器学习方面的算法有SVMAdaboost决策树以及贝叶斯分类器等深度学习方面经典的算法有AlexNetVGGGoogleNetResNet等网络。
2. 目标检测。目标检测就是在复杂场景中检测出我们需要的目标，又用传统机器学习算法实现的，也有用深度学习进行目标检测的。传统机器学习算法比如利用Adaboost进行人脸检测SVM算法实现行人检测等深度学习方面目标检测算法，既有基于区域建议的R-CNNFast R-CNNFaster R-CNN等两个阶段的目标检测算法，也有YoloSSD等端到端的目标检测算法。
3. 目标跟踪。目标跟踪，是指在特定场景跟踪某一个或多个特定感兴趣对象的过程。我之前做过目标跟踪的实验，利用的是传统的图像处理算法，比如光流法粒子滤波法卡尔曼滤波法以及KCF相关滤波算法等。深度学习算法中有DLTFCNTMD Net等网络，深度学习目标跟踪算法接触的少，不是很了解。4. 语义分割。
语义分割是计算机视觉中的基本任务，在语义分割中我们需要将视觉输入分为不同的语义可解释类别，语义的可解释性即分类类别在真实世界中是有意义的，将整个图像分成一个个像素组，然后对其进行标记和分类。传统的图像分割算法有基于阈值的分割算法基于区域的分割方法基于边缘的分割方法以及基于特定理论的分割方法等现在深度学习算法在语义分割上效果更好，比如现在最常用的全卷机神经网络算法FCN。
还有好多应用，比如人脸检测识别，有Adaboost算法MTCNN网络以及FaceNet网络等文字识别，智能驾驶，医学图像处理等等，分别有不同的算法实现。计算机视觉编程语言的话需要根据算法以及平台来选择。传统图像处理大都用的是opencv和matlab平台，分别用C 语言和matlab语言深度学习框架大都是基于Python的API实现的，可以用python语言实现，比如TensorflowCaffekeras以及MxNet等平台，当然Caffe还可以用C 实现。
想买一部手机，855plus，ufs3.0，有超级夜景ai算法拍照最好，有什么推荐？
推荐OPPO 刚刚发布的Reno Ace，我来介绍下这部手机的配置吧性能该机搭载的是高通今年的旗舰芯片骁龙855 Plus，基于7nm工艺制程，搭载了第四代AI处理引擎，最高运行频率能达到2.96GHz。OPPO Reno Ace提供最高12GB的LPDDR4x的内存最高256GB的UFS3.0闪存组合，运行速度够快，存储空间也够大。
还有基于系统底层的游戏优化方案—— Frame Boost 帧率加速。在 Frame Boost 2.0的优化下，以和平精英为例，帧率稳定性最多可提升41.1%，在一些 HDR 高帧率的场景中，画面卡顿概率可降低50%。屏幕OPPO Reno Ace为了给电竞产品加持，手机配备 90Hz刷新率的电竞屏了。
OPPO Reno Ace采用6.5英寸有机发光二极管水滴屏，刷新率90Hz，可以带来更舒适的视觉触感享受。OPPO Reno Ace的屏幕还支持135Hz的触摸采样率，将桌面响应速度提升23.4%。此外，这款屏幕还支持HDR10，峰值亮度1000尼特，动态对比度200000: 1。
