qq_28810395的博客

目标检测简介  在现在的计算机视觉（computer vision，CV）中，图像分类、目标检测、图像分割是计算机视觉领域额三个主要任务。从图像中解析出可供计算机理解的信息，是计算机视觉邻域重点要解决的问题，深度学习模型的出现，其强大的表示能力为机器视觉提供了巨大的助力。下图就是机器理解图像的三个层次。- 目标检测（Detection）：分类任务关心整体，给出的是整张图片的内容描述，而检测则关注特定的物体目标，要求同时获得这一目标的类别信息和位置信息（classification + localiz

目标分类前言在此只做简单利用Tensorflow进行口罩识别的程序实现，不做算法讲解，具体概念请移步下面链接。https://blog.csdn.net/qq_28810395/article/details/107401125前期准备数据集（200幅戴口罩图片，200幅没戴口罩图片）如下。masknomask对于深度网络模型训练，仅仅200的训练集完全不足够进行训练，在此只是测试讲解，所以200样本集足够用于展示流程。具体代码展示搭建网络，训练模型。import os, shu

生物视觉原理生物层面的视觉图像处理流程：1、像素信号瞳孔摄入，视网膜感光细胞传导刺激反应2、大脑皮层细胞处理，感知差异构成的边缘和方向3、神经细胞处理，提炼形状颜色等特征4、大脑进一步抽象，获得认知5、与记忆进行匹配，得到判断机器模拟生物识别，其处理流程为：1、接受图像数据2、获取图像特征3、根据特征获得类别信息4、输出目标类别图像通道  模拟眼镜视网膜的感色原理，我们所观察的色彩都是RGB三原色组成，所以一个彩色图片便可有RGB三色的灰度图叠加而成，而每个灰度图片也是一

前言  在这主要将人工神经网络，在讲之前要先了解人工智能与深度学习的关系。人工智能：  具有高度综合性和交叉性的学科，其研究范畴包括：自动推理、知识表达、专家系统、机器学习等。机器学习：  机器学习是人工智能的核心，是人工智能的一个重要分支，其应用遍历了人工智能的各个领域，涉及的算法包括：决策树、支持向量机（SVM）、人工神经网络、聚类、贝叶斯分类器、规则学习、强化学习等。深度学习：  这个概念是人工神经网络经过发展，进入了一个深层次的状态，便就是现在的深度学习。更深的网络使得模型的性能更好，

1、人工智能定义人工智能是计算机科学的重要分支之一。它企图了解智能实质, 并生产出一种新的能以人类智能相似的方式做出反应的智能机器, 机器人、自然语言识别处理、专家系统、图像识别等技术均属于人工智能范畴。在电气自动化领域当中, 人工智能与传统人工控制相比, 其最大的特点在于能够以计算机技术为辅助, 完全实现机械设备自动化、精确化控制, 能够大幅度节约人力资源。在工业化生产过程中, 通过人工智能技术能够对各项信息数据进行实时传输、动态分析、处理, 并能够将生产过程中存在的问题及时向控制管理人员反馈, 最大程