computer vision一些术语-目标识别、目标检测、目标分割、语义分割等

最新推荐文章于 2024-07-23 18:57:19 发布
最新推荐文章于 2024-07-23 18:57:19 发布
阅读量9.6k 收藏 24
点赞数 8
分类专栏： 深度学习_deep learning 文章标签： 深度学习属于
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/tina_ttl/article/details/51915618
版权
本文探讨了计算机视觉中的几个关键概念：目标识别、目标检测、目标分割和语义分割。目标识别涉及在图像中检测并分类限定类别的物体；目标检测则包括两类目标，关注目标和非目标的矩形框；目标分割超越矩形框，以像素级精度区分物体；语义分割则要求对图像每个像素点进行多类别分类。此外，还提到了实例分割和图像分割的区别。
摘要由CSDN通过智能技术生成

What is the difference between object detection, semantic segmentation and localization?

object recognition（目标识别）

  • 给定一幅图像
  • 检测到图像中所有的目标（类别受限于训练集中的物体类别）
  • 得到检测到的目标的矩形框，并对所有检测到的矩形框进行分类
    这里写图片描述
    Object Recognition: In a given image you have to detect all objects (a restricted class of objects depend on your dataset), Localized them with a bounding box and label that bounding box with a label.

object detection（目标检测）

  • 与object recognition目标类似
  • 但只有两个类别，只需要找到目标所在的矩形框和非目标矩形框
  • 例如，人脸检测（人脸为目标、背景为非目标）、汽车检测（汽车为目标、背景为非目标）
最低0.47元/天 解锁文章
tina_ttl
关注
专栏目录
【目标检测基础】专业名词
weixin_51154380的博客
10-24 886
One-Hot编码，又称为一位有效编码，主要是采用N位状态寄存器来对N个状态进行编码，每个状态都由他独立的寄存器位，并且在任意时候只有一位有效。然后，每个整数值被表示为二进制向量，除了整数的索引之外，它都是零值，它被标记为1。每个样本只对应于一个类别（即只在对应的特征处值为1，其余地方值为0），而我们的分类结果，得到的往往是隶属于某个类别的概率，这样在进行损失函数（例如交叉熵损失）或准确率计算时，变得非常方便。Test Time Augmentation (TTA) #测试时间增加。
目标检测YOLO实战应用案例100讲-基于小样本的目标检测与跟踪模型研究
qq_36130719的博客
06-12 1735
小样本学习就是使用远小于深度学习所需要的数据样本，达到接近甚至超越大数据深度学习的效果，也即是小样本学习的本质就是学习的效果与数据比较的提升。小样本学习在元训练阶段，通过将训练集均分为多组形成不同的元任务，让模型能够学习独立于任务的泛化能力。那样在元测试阶段，即使面对的是全新的类别，模型通过少量的训练或者不需要再次训练，也能够快速准确的识别新类别。简而言之，在元训练阶段，从训练集中随机选择C×K个样本构成元任务，其中C为类别数，K为每类样本的数量。
目标检测相关术语
qq_43381820的博客
08-02 675
原文：https://www.cnblogs.com/ywheunji/p/10997900.html iou 使用loU看检测是否正确需要设定一个阈值，最常用的阈值是0.5，即如果loU>0.5，则认为是真实的检测 P 代表每张图像中被检测出的正确目标占总目标数的多少； AP 代表对于一个类别，假如100张图像，计算平均精度；分子是图像的个数，分母是总精度的和； MAP 所有类别的平均精度求和除以所有类别 ； AP50，AP60 以Cascade R-CNN的一张图为例，AP50，AP60，AP.
目标检测与实例分割：计算机视觉的精细艺术
最新发布
2401_85762266的博客
07-23 983
目标检测是指在图像中识别和定位感兴趣的目标，通常表示为矩形边界框和对象的类别。它的目标是确定图像中存在哪些对象以及它们的位置。关键点：类别识别：识别图像中所有感兴趣的对象类别。位置定位：确定对象在图像中的具体位置，通常用边界框表示。import cv2# 加载图像# 目标检测模型（以YOLO为例）# 预处理图像# 进行前向传播# 处理输出，绘制边界框和类别标签# ...实例分割是目标检测的扩展，它不仅识别和定位图像中的每个对象，还区分同类对象的不同实例。
语义分割和目标检测是什么关系？
fengdu78的博客
05-27 5074
首先，让我们看一下语义分割和目标检测的目标分别是什么？语义分割的目标语义分割的任务是对输入的图像进行逐像素的分类，标记出像素级别的物体。如上图，图1中把猫、天空、树、草地进行了逐像素的分类；图2中把牛、天空、树、草地进行了逐像素的分类。目标检测的目标目标检测的任务是对输入的图像进行物体检测，标注物体在图像上的位置，以及该位置上物体属于哪个分类。如上图，模型把图中的人、狗、...
（深度学习）目标检测常见术语
ljmiiianng的博客
09-30 1850
Anchor、IoU、NMS、RP、BN Anchor IoU（Intersection over union） NMS（Non-max suppression） RP（Region Proposal） BN（Batch Normalization） Batch Normalization(简称BN)中的batch就是批量数据，即每一次优化时的样本数目，通常BN网络层用在卷积层后，用于重新调整数据...
目标检测算法分类及相关术语
qq_35027690的博客
01-09 1472
1.目标检测算法分类： Two stage： 1）先生成Region Proposal， 2）通过卷积神经网络进行分类。 步骤：特征提取 ——> 生成Region Proposal ——> 分类/回归 代表算法：R-CNN、 Spp-Net、Fast R-CNN、Faster-RCNN，MTCNN等。 One stage 1）直接提取特征来预测物体的类别和位置。 步骤：特征提取 ...
基于分割协作的弱监督目标检测方法
9735基于分割协作的李晓燕1、2阚美娜1、2石广珊1、2、3陈西林1、21中国科学院智能信息处理重点实验室，中国科学院计算技术研究所，北京1001902中国科学院大学，北京1000493深圳市鹏程实验室，518055，中国xiaoyan.li...
红外图像小目标分割中的深度对抗学习
1未命中检测与假警报：对抗学习在红外图像小目标分割中的应用焕王南京理工大学，南京，中国周露萍悉尼大学澳大利亚悉尼王磊（Lei Wang）卧龙岗大学澳大利亚卧龙岗摘要红外小目标分割的一个关键问题是如何平衡漏检和...
无监督的多目标发现：基于图像分割的方法
3277基于图像分割的无监督多目标发现Sandra Kara Hejer Ammar Florian Chabot Quoc-Cuong Pham Universite 'Paris-Saclay，CEA，List，F-91120，Palaiseau，France{firstname.lastname}@cea.fr摘要无监督对象发现...
目标检测工具箱
07-31
该工具箱包含了多种运动目标检测算法，针对场景选取不同的算法来满足你的结果。
语义分割标注转为目标检测框标注
12-19
这是一个代码，用于将精细标注的语义分割（多边形标注的json文件）标注转为目标检测框标注文件，并生成yolo需要的txt文件（需要的输出格式你们可以自己改）
目标检测常用名词
人工智障
08-11 1575
目标i检测的一些专业名词内容anchor boxbounding boxground turthIoUnms（非极大值抑制）mAPRPN前景和背景PR曲线 内容 主要是对一写常用的术语整理，方便以后翻看，有错的地方欢迎大家指出，没有涉及到的也欢迎大家一起整理。1.01的365次方等于多少。 anchor box 候选框，需要手动设置，而且数据集不同的时候，候选框的大小也不同， bounding box 给出物体在图像中的定位区域的表示，通常包含左上角点的坐标x1,y1， 还有这个检测框的宽高， –>(
傻傻分不清目标检测、语义分割和实例分割，看这篇就够了
weixin_37522117的博客
03-19 3316
傻傻分不清目标检测、语义分割和实例分割，看这篇就够了
目标检测中的一些名词
xyz2107605729的博客
03-21 1076
anchor box 第一次出现在 faster R-CNN的论文里，用来解决多尺度问题，以往解决多尺度问题的方法有两种，一是图像金字塔，二是卷积核金字塔，（特征金字塔 FPN feature pyramid network），这两种方式都会引入大量的计算。anchors 机制，引入不同尺寸、不同高宽比的 anchors， 较好地解决了多尺度问题 候选框到 feature map 的转换 非极...
目标检测的名词概念（持续记录中.....)
weixin_44330777的博客
11-04 1312
纯粹为了无知的自己在学习过程中遇到的不会的概念的记录（暂时无序）： mAP定义及相关概念mAP: mean Average Precision, 即各类别AP的平均值 AP: PR曲线下面积 PR曲线: Precision-Recall曲线 Precision: TP / (TP + FP) Recall: TP / (TP + FN) TP: IoU>0.5的检测框数量（同一Ground Truth只计算一次） FP: IoU<=0.5的检测框，或者是检测到同一个GT的多余检测框的数量 F
【Python深度学习】目标检测和语义分割的区别
Remote Sensing迷途小书童
10-10 4453
在计算机视觉领域，语义分割和目标检测是两个关键的任务，它们都是对图像和视频进行分析，但它们之间存在着明显的区别。本文将通过图像示例，详细阐述语义分割和目标检测之间的差异。
目标检测(IOU) + 语义分割(mIOU) +NMS
ytusdc的博客
03-21 7267
一、IOU 我们先来看下IOU的公式： 现在我们知道矩形T的左下角坐标(X0,Y0)，右上角坐标(X1,Y1); 矩形G的左下角坐标(A0,B0)，右上角坐标(A1,B1) 这里我们可以看到和在确定坐标而不确定两个矩形是否相交的情况下，为已知的常量． 所以，我们只需要求解就行 这里我们先来看一下水平方向上的情况： 从上述的三种情况中我们可以看出： 当有重叠或者...
R-CNN：深度学习目标检测的里程碑
R-CNN在2014年的CVPR（Computer Vision and Pattern Recognition）会议上发表，由Ross Girshick等人提出，显著提升了目标检测的性能，尤其是在PASCAL VOC数据集上的平均精度（mAP）提高了30%以上，达到了53.3%。...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值