![](https://img-blog.csdnimg.cn/20190918140053667.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
深度学习
文章平均质量分 94
图像识别、深度学习
Nirvana;
图像算法,机器视觉,AI算法方向
展开
-
【深度学习】(五)目标检测——下篇
上一章介绍了目标检测上篇,主要为两阶段检测的R-CNN系列。这一章来学习一下目标检测下篇。R-CNN系列算法面临的一个问题,不是端到端的模型,几个构件拼凑在一起组成整个检测系统,操作起来比较复杂。而今天介绍的YOLO算法,操作简便且速度快,效果也不错。YOLO算法是一种典型的one-stage方法,它是You Only Look Once 的缩写,意思是神经网络只需要看一次图片,就能输出结果。目标检测有两种实现,一种是one-stage,另一种是two-stage,它们的区别如名称所体现的,two-st原创 2022-09-01 16:57:55 · 3297 阅读 · 117 评论 -
【深度学习】(四)目标检测——上篇
上一章介绍了图像分类,这一章来学习一下目标检测上篇。简单来说,需要得到图像中感兴趣目标的类别信息和位置信息,相比于分类问题,难度有所提升,对图像的描述更加具体。在计算机视觉众多的技术领域中,目标检测(Object Detection)也是一项非常基础的任务,图像分割、物体追踪、关键点检测等通常都要依赖于目标检测。......原创 2022-08-12 15:26:43 · 2467 阅读 · 109 评论 -
【深度学习】(三)图像分类
上一章介绍了深度学习的基础内容,这一章来学习一下图像分类的内容。图像分类是计算机视觉中最基础的一个任务,也是几乎所有的基准模型进行比较的任务。从最开始比较简单的10分类的灰度图像手写数字识别任务mnist,到后来更大一点的10分类的cifar10和100分类的cifar100任务,到后来的imagenet任务,图像分类模型伴随着数据集的增长,一步一步提升到了今天的水平。现在,在imagenet这样的超过1000万图像,超过2万类的数据集中,计算机的图像分类水准已经超过了人类。httpshttps。...原创 2022-07-21 15:40:26 · 5044 阅读 · 146 评论 -
【深度学习】(二)深度学习基础
上一章介绍了机器学习的内容,这一章来了解一下深度学习。深度学习是在机器学习的基础上继续研究得来的,又经过了几十年日日夜夜的科研人员的研究,最终留下一些通用的、经典的算法,下面我们开始学习吧。对于图像处理来说,深度学习只需掌握CNN即可。下一节开始介绍近年来火爆的原始CNN基础上不断改进的神经网络模型,敬请期待🚗httpshttpshttpshttpshttpshttpshttpshttpshttpshttpshttpshttps。......原创 2022-07-15 15:09:25 · 3049 阅读 · 122 评论 -
【深度学习】(一)机器学习基础
作为一个图像算法工程师,传统图像算法和深度学习算法都应该掌握,这样在面对不同的实际场景时可以有更多得解决方法。之前的文章基本上都是以传统方法为主,所以今天一起来学习一下有关深度学习的算法。以后也会持续更新深度学习相关的内容。AI人工智能包含的内容十分广泛,对于图像处理而言,机器学习、深度学习或者计算机视觉主要关注图像识别这部分内容,所以重点学习CNN卷积神经网络。今天先从上古时期的机器学习开始。计算机视觉是人类希望机器可以像人眼一样去“看”,而机器学习(深度学习)是希望机器可以像人的大脑一样“思考”。原创 2022-07-08 15:53:51 · 1518 阅读 · 29 评论