本文探讨了计算机视觉中的四个关键任务：语义分割、分类加定位、对象检测和实例分割。详细解释了如何使用unpooling和转置卷积解决尺寸问题，特别是Max unpooling和transpose convolution的原理。此外，提到了分类损失和回归损失的差异，并简单介绍了RCNN系列在对象检测中的应用，最后提到了Mask R-CNN在实例分割领域的进展。
Detection and Segmentation
首先要区分计算机视觉中几个任务的概念。
Semantic Segmentation：根据图片中各个像素的语义进行像素的切分。
classification+Localization：将图片中的单一目标检测出来，并且用矩形框将其框出。
Object Detection：将图片中的不同目标用矩形框框出，与classification+location的区别在于识别物体的多少。
Instance Segmentation：将图片中的目标与背景分割开，与semantic segmentation类似。
Semantic Segmentation
一种方法是用sliding window，这种方法是将图片中每一个window范围内的像素进行分类，显然这种方法的计算量很大。
可以用卷积神经网络来求，但是由于最终输出的尺寸与输入图片的尺寸相同，如果在过程中不对图片的尺寸进行缩减，那么直接是用卷积神经网络的计算量会特别大。
针对该问题采用的方法是先降低尺寸，再通过一定的方法增大尺寸，网络结构如图：
这里用到了两种方法：1. unpooling; 2.transpose convolution
最低0.47元/天 解锁文章
扫一扫
1747
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
