计算机视觉之目标检测及图像分割方法

本文探讨了目标检测的三种方法,包括基于传统特征、RCNN系列和CNN回归的算法,如YOLO和SSD。接着介绍了图像分割,特别是实例分割,如Mask-RCNN,它结合了目标检测和分割。提供了相关的参考文献链接。
摘要由CSDN通过智能技术生成

1.目标检测

现在的目标检测方法主要分为三类:

(1)基于传统手工特征的目标检测方法

(2)基于RCNN的目标检测方法
代表算法有RCNN,SPP-Net, Fast-RCNN,Faster-RCNN

(3)基于CNN回归的目标检测方法
代表算法有YOLO,SSD

2.图像分割

图像分割包括语义分割和实例分割,分割就将对象在像素级别上进行提取。

这里写图片描述

(1)图像语义分割
代表型算法有:Fully Convolutional Networks, Fully Connected Conditional Random Fields+FCN,CRF+RNN

(2)图像实例分割
实例分割即进行目标检测+分割,代表型算法有Mask-RCNN

参考文献及链接:
(1)目标检测-RCNN系列

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值