计算机视觉识别概述

以下文章摘录自：

《机器学习观止——核心原理与实践》

京东： https://item.jd.com/13166960.html

当当：http://product.dangdang.com/29218274.html

(由于博客系统问题，部分公式、图片和格式有可能存在显示问题，请参阅原书了解详情)
————————————————
版权声明：本文为CSDN博主「林学森」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/xuesen_lin/

 

1.1    视觉识别概述

视觉识别具体包含哪些任务？

大家可能会在脑海中浮现：图像分类，物体识别，图像分割，图像定位等等。这么多五花八门的名词，它们之间究竟有什么关第呢？在深入讲解视觉识别算法之前，我们觉得很有必要先来把一些基本术语和概念理顺了。

这里借用Stanford大学cs231n课程上的一张图来让大家有一个直观的感受，如下所示：

图 ‑ 计算机视觉的核心任务

引用自stanford课程cs231n

 

上图非常清晰地描述了几种CV Task以及它们之间的关系,即：

l  Classification (分类)

也就是输入为一张image，我们的分类器需要给出这张图中描述的主体的类别归属。比如图片中的“主角”是一只猫，一只狗或者一个人等等

l  Localization (定位)

Classification只能告诉我们图片的类别归属，但并没有指出主体在图片中的具体位置，后者是由Localization来完成的。当然，通常大家会将Classification和Localization做为整体算法来研究，从而直接输出主体归属类别以及它在图片中的位置、大小等完整信息

l  Object Detection (物体识别)

前面的Classification和Localization针对的是图片中只有一个主体的情况——显然这还不够。比如你的家里养了猫、狗、乌龟等一堆动物，它们的大合照自然也就成为“多物体”识别的问题了。我们所说的Object Detection简单来讲就是Multiple objects + Classification + Localization，这也是在工业界应用最为广泛的一个视觉识别场景

l  Instance Segmentation (个体分割)

图像分割算法既要知道一张图片中有哪些物体，它们的位置，而且还需要把物体的轮廓精准的界定出来，因而它的实现难度理论上会更高，算法也会复杂一些

 

理解了几种CV Task后，接下来我