CV（计算机视觉）是指利用计算机和相关技术对图像或视频进行处理和分析的领域。以下是一些常见的CV技术：

1. 图像分类：将图像分为不同的类别或标签，例如识别图像中的动物、物体或场景。常用的算法包括卷积神经网络（CNN）和支持向量机（SVM）。

2. 目标检测：在图像中定位和识别特定的目标物体，例如人脸、车辆或行人。常用的算法包括基于深度学习的方法，如Faster R-CNN、YOLO和SSD。

3. 图像分割：将图像分割成不同的区域或像素，以便进一步分析和处理。常用的算法包括基于像素的分割方法（如GrabCut）和基于深度学习的语义分割（如U-Net）。

4. 图像生成：使用计算机生成逼真的图像，例如生成对抗网络（GAN）和变分自编码器（VAE）。

5. 姿态估计：估计图像中物体或人体的姿态和关节位置，例如人体姿势估计和手势识别。

6. 图像增强：改善图像的质量、对比度和清晰度，例如图像去噪、超分辨率和图像增强算法。

7. 特征提取：从图像中提取有用的特征，以便进行进一步的分析和识别。常用的特征提取方法包括SIFT、HOG和深度学习中的卷积层。

8. 视频分析：对视频进行处理和分析，例如视频跟踪、行为识别和视频摘要。

这只是计算机视觉领域中的一小部分技术，随着技术的不断发展和创新，CV领域还有许多其他的技术和应用。