1、平移不变性:
主要是指图像分类,当图像进行扭转、平移、折叠等,结果仍可以识别出来。网络的层次越深时,这个特性越明显。
2、平移可变性
主要针对目标检测的。如当一张猫图像进行平移后,检测出的猫的坐标框会发生变化,此时称平移可变性。网络越深时,平移可变性变差,因为网络越深,最后得到的特征图尺度更小,平移量被压缩。
3、超像素
超像素由一系列位置相邻且颜色、亮度、纹理等特征相似的像素点组成的小区域。这些小区域大多保留了进一步进行图像分割的有效信息,且一般不会破坏图像中物体的边界信息。超像素就是把一幅像素级(pixel-level)的图,划分成区域级(district-level)的图,是对基本信息元素进行的抽象。
4、超像素分割
超像素分割属于图像分割(image segmentation),再细化应该属于过分割(over segmentation),即就是把本来属于一个整体的目标分成了多个,比如要分割一朵花,结果把花瓣、茎叶全分到了不同区域,这就是过分割。