- 博客(4)
- 收藏
- 关注
RSS订阅原创 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