图像分类
目标检测(分类、定位)
- YOLO(You Onlu Look Once)one-stage
YOLOv2:输入图像划分为更多子单元
YOLOv3:多尺度融合(子单元数量分:少数量、中数量、多数量,不同划分情况下分别找大、中、小目标)
YOLOv4:数据处理、网络、函数优化
YOLOv5:轻量级模型
- SSD(Single Shot MultiBox Detector)端到端 实时性好
图像分割
语义分割
像素级进行分类,同类别像素为同一类
FCN(Fully Convolution NetWorks)全卷积网络
实例分割
相比于语义分割更加细致,能够将相同类别不同个体分开
Mask RCNN 先使用CNN提取图像特征,然后使用区域候选网络(Region Proposal NetWork RPN)获取ROI,再使用ROI pooling将所有ROI变为固定尺寸大小,最后将ROI传递给全连接层进行回归和预测分析,得到class(类别)和box(边框)。Mask RCNN相比于Faster RCNN增加了一个FCN分支,专门用来预测每个像素点的分割掩模。
风格迁移
Style Transfer
ResNet 损失网络