AI各类网络模型的主要功能

测试中的几种类别的模型，简单记录一下各自的功能和区别

一、Segmentation：UNet 分割
1.语义分割(Semantic Segmentation)是图像处理和机器视觉一个重要分支。与分类任务不同，语义分割需要判断图像每个像素点的类别，进行精确分割
2.https://www.cnblogs.com/PythonLearner/p/14041874.html

二、Face_recognition：retinaface
1、功能：人脸预测，预测结果中包含：分类预测、人脸框预测、人脸关键点预测；
2、https://zhuanlan.zhihu.com/p/394962268"

三、video_hancement-VDSR:
1、功能：解决给定低分辨率（LR）图像生成高分辨率（HR）图像的问题，通常称为单图像超分辨率重建（SISR）。SISR广泛应用于计算机视觉应用，从安全和监控成像到医疗影像（需要更多的图像细节）。
2、https://blog.csdn.net/qq_41807261/article/details/114572603

四、NLP：BERT 
1、功能：语义分析
2、https://zhuanlan.zhihu.com/p/51413773

五、分类网络

1、功能：识别图片中的物体类别

六、detection网络

1、功能：识别图片中物体类别并框出具体位置

七、一些专有名词

1. ROI:
在图像处理领域，感兴趣区域(ROI) 是从图像中选择的一个图像区域，这个区域是你的图像分析所关注的重点。圈定该区域以便进行进一步处理。使用ROI圈定你想读的目标，可以减少处理时间，增加精度。 https://baike.baidu.com/item/ROI/1125333