- 博客(4)
- 收藏
- 关注
原创 深度学习与神经网络笔记 Day4——【语义分割】
在计算机视觉中,图像分割是根据像素的不同性质将数字图像分割成多个区域。与分类和目标检测不同,它通常是一个低级或像素级的视觉任务,因为图像的空间信息对于从语义上分割不同的区域非常重要。分割的目的是提取有意义的信息以便于分析。在这种情况下,图像像素以这样的方式被标记,使得图像中的每个像素共享诸如颜色、强度、纹理等的特定特征。图像分割主要有两种类型:语义分割和实例分割。另外,还有另一种类型叫做全景分割,它是两种基本分割过程的统一版本。图1显示了不同类型的分段,图2显示了相同的示例。
2024-05-20 22:25:53 792
原创 深度学习与神经网络笔记 Day3——【目标检测】
的任务是找出图像中所有感兴趣的目标(物体),不同于分类和回归问题,目标检测还需要确定目标在图像中的位置,而确定识别目标的类别和位置,是计算机视觉领域的核心问题之一。
2024-05-20 22:06:06 958
原创 深度学习与神经网络笔记 Day2——【卷积神经网络】
卷积的离散公式为:现在对于上面卷积过程进行分析:我们用来做例子的 A 矩阵为 m×m(3×3)二维矩阵(被卷积矩阵),K 为 n×n(2×2)的二维矩阵(卷积核)。运算方式如下:1、卷积核翻转180°:2、被卷积矩阵扩展到(m+n)×(m+n)大小,将扩展部分用 0 代替,将卷积核 K 从左上角顺序地行移动,再换行,继续,直到抵达右下角。将对应元素相乘后相加:5*5矩阵3、依次类推,剔除为 0 的元素,5×5 矩阵结果为 4×4 矩阵,卷积计算结束。
2024-04-08 14:27:54 950
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人