本文介绍了计算机视觉中的图像理解，涵盖分类、检测和分割三个层次。重点讨论了Faster RCNN、Mask RCNN及改进的Mask Scoring RCNN，详细阐述了它们的网络结构和工作原理，特别是RPN、ROI Pooling和Mask预测。此外，提到了Tensorflow Object Detection API和DeepLab在语义图像分割中的应用。
计算机视觉——图像理解简介
图像理解的三个层次
-
一是分类（Classification）
将图像结构化为某一类别的信息，用事先确定好的类别(string)或实例ID来描述图片。
-
二是检测（Detection）
检测关注特定的物体目标，要求同时获得这一目标的类别信息和位置信息。
-
三是分割（Segmentation）
分割包括语义分割（semantic segmentation）和实例分割（instance segmentation）
简单来说，前者不区分属于相同类别的不同实例，而后者区分
相关网络
Faster RCNN [2016]
- 经过R-CNN和Fast RCNN的积淀，Ross B. Girshick在2016年提出了Faster RCNN
- 将CNN引入目标检测的开山之作
- 网络结构如下：
-
Conv layers
- 作为一种CNN网络目标检测方法，Faster RCNN首先使用一组基础的conv+relu+pooling层提取image的feature maps。该feature maps被共享用于后续RPN层和全连接层。</
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
