Computer Vision Tasks:

图像分类、目标检测、语义分割、实例分割;

只有目标检测和实例分割是实现了实例级别的识别的,就是把每一个单独的物体拎出来识别的;目标检测是画框框,而实例分割是抠图。

实例识别:就是把图片中的每一个物体都单独进行识别出来;

目标检测:是输入图像,输出每一个物体;(就是多个类别的多个框)

图像分割:

(1)Semantic Segmentation语义分割:我对每一个像素分类,我不管这个像素是属于哪几个物体的,只管他是属于什么类别的;(并不区分不同物体的像素)(把同一个目标的物体扣到一起,并不区分每一个物体,而实例分割需要区分每一个物体)

(2)Instance Segmentation实例分割:把同一个类别的不同实例给他区分出来;(需要区分同一类别不同物体的像素)

在无人驾驶中还有全景分割:要把它看到的所有像素都做实例分割;

下面几张图比较有说服力:

计算机视觉还有其他的解决问题:

除了图像检测、定位、目标检测、语义分割、实例分割之外还有关键点检测;

综述:里边把目标检测里边的代表性的模型、发展过程,还有著名的一些数据集都写出来了;都

目标检测分为两个流派:

(1)单阶段模型:不提取候选框,我直接把全图喂到模型里边,喂到算法里边,算法能够直接输出出来目标检测的结果,一步到位他是一个统一的端到端的系统,所以是单阶段;

(2)两阶段模型:先从图像中提取若干候选框,再逐一的对这些候选框进行分类、甄别以及调整他们的坐标,最后得出结果,(就是先提取候选框,再逐一的进行甄别,这是两个阶段,所以称作两阶段模型)

两阶段一般是比较准确的,因为他要筛选出很多个候选框,比较准确但是比较耗时;而单阶段呢虽然比较快一步到位,但是准确率不是很高;但是现在YOLO发展到V5在速度和准确度(小目标识别)都已经很好了;

Computer Vision Tasks相关推荐

  1. 【CV-Paper 06】Inception V3:Rethinking the Inception Architecture for Computer Vision

    论文原文:LINK 论文年份:2015 论文被引:9190((2020/0821) 18716(2022/03/26) 文章目录 Rethinking the Inception Architectu ...

  2. [读书] Computer Vision: Algorithms and Applications

    Richard Szeliski 一本系统介绍计算机视觉算法和应用的书籍,作者为微软研究院的:Richard Szeliski . As humans, we perceive the three-d ...

  3. 李菲菲课程笔记:Deep Learning for Computer Vision – Introduction to Convolution Neural Networks

    转载自:http://www.analyticsvidhya.com/blog/2016/04/deep-learning-computer-vision-introduction-convoluti ...

  4. Deep Learning for Computer Vision with Caffe and cuDNN

    转载自:Deep Learning for Computer Vision with Caffe and cuDNN | Parallel Forall http://devblogs.nvidia. ...

  5. Deep Learning for Computer Vision with MATLAB and cuDNN

    转载自:Deep Learning for Computer Vision with MATLAB and cuDNN | Parallel Forall http://devblogs.nvidia ...

  6. Vocabulary and Phrase in Paper of Computer Vision (Updating)

    Vocabulary and Phrase in Paper of Computer Vision Sec 1 RCNN v&p characteristic translation usag ...

  7. Computer vision: models, learning and inference 学习笔记1:引言

    学习笔记1:引言 目的 model,learning and inference 的含义 独特之处:基于模型的知识结构体系 最关键的是:模型(model) 目的 学习<computer visi ...

  8. 获取Avrix上Computer Vision and Pattern Recognition的论文,进一步进行统计分析。

    获取Avrix上Computer Vision and Pattern Recognition的论文,进一步进行统计分析. 此文主要记录我在18年寒假期间,收集Avrix论文的总结 寒假生活题外    ...

  9. Artificial Intelligence Computer Vision ML and DL

    Ref:face_recognition Ref:seetaface Ref:百度AI开放平台 Ref:Face++开放平台 Ref:Cognitive Services Ref:AForge.NET ...

最新文章

  1. 大学计算机基础课程报告python-基于Python的“大学计算机基础”课程教学设计.doc...
  2. Python面向对象:isinstance和issubclass
  3. 使用Java生成二维码图片(亲测)
  4. 1. mybatis批量插入数据
  5. Metaspliot 控制终端利用Samba漏洞渗透
  6. 图片格式之RGB转BMP格式(含代码)
  7. 程序员锁死服务器导致公司倒闭,案件终于开庭了
  8. 说白了 枚举是一个对象中属性的参数值
  9. 删缓存,数据库更新谁先执行,及延时双删
  10. BXP3.0安装指南(传统方法)(转)
  11. 学python用linux_用树莓派学习Linux及Python真的高效吗?
  12. C语言拍皮球双重循环,山东理工大学ACM平台题答案关于C语言 1184 C语言实验——拍皮球...
  13. 我用Python爬了4400条淘宝商品数据,竟发现了这些“潜规则”
  14. 不谋一时不足以谋一域_不谋万世者不足谋一时,不谋全局者不足谋一域是什么意思...
  15. 小红书年货热潮|品牌场景营销新套路
  16. python 字符串前面加 u, r, b的含义
  17. 未来汽车是什么样?取消后视镜的车型将于2019年面世 | 行业
  18. pdf如何转换成ppt
  19. oracle10gwin,win10肿么彻底卸载oracle10g
  20. 区块链数据资源网站总结

热门文章

  1. 深度学习进阶:多分类与TensorFlow
  2. Python库全部整理出来了,非常全面
  3. Beta 冲刺 (7/7)
  4. Ubuntu 安装 IPython、jupyter notebook
  5. tensorflow---alexnet training (tflearn)
  6. shell的各种运行模式?
  7. 九零后的五年七次工作经历
  8. linux进程间通信-XSI IPC
  9. ubuntu下载安装MaskRCNN-benchmark
  10. usaco Raucous Rockers(dp)