Halcon深度学习方法

1、异常检测和全局上下文异常检测

 图(1)异常检测示例

在图(1)上图中，异常检测示例：为输入图像的每个像素都分配一个分数，表明它显示未知特征(即异常)的可能性；在图(1)下图中，全局上下文异常检测示例：为输入图像的每个像素分配一个分数，表明它显示结构或逻辑异常的可能性。

2、分类

 图(2)分类示例

在图(2)中，将输入图像分配给某一个类别(一组给定类别中的一个)。

3、 目标检测与实例分割

目标检测：定位+分类；

实例分割：定位+分类+实例mask

图(3)目标检测与实例分割示例

在图(3)上图中，目标检测示例：在输入图像中找到三个实例并将其分配给一个类；在图(3)下图中，实例分割示例：每个实例都标记了其单独的区域。

4、语义分割与边缘提取

语义分割：为输入图像中每个像素分配一个类，但不区分一个类的不同实例；

边缘提取：输入图像中每个像素都被分配到“边缘”和“背景”两个类中的一个。

图(4)语义分割与边缘提取示例

在图(4)上图中，语义分割示例：输入图像的每个像素被分配到一个类；在图(4)下图中，边缘提取示例：属于特定边缘的像素被分配给“edge”类。

5、深度OCR

图(5) 深度学习OCR(光学字符识别)示例

在图(5)中，基于深度学习的光学字符识别示例：检测和识别图像中的单词。

6、3D 抓取点检测(3D Gripping Point Detection)

图(6) 3D抓取点检测示例

在图(6)中， 3D抓取点检测示例：分析一个3D场景(例如，RGB图像和xyz图像)并建议可能的抓取点。