计算机视觉与深度学习第八章：视觉识别

113之落

于 2022-03-10 13:02:48 发布

阅读量4.6k

点赞数 2

CC 4.0 BY-SA版权

分类专栏：计算机视觉与深度学习之旅文章标签：计算机视觉深度学习 cnn

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/weixin_43312470/article/details/123362805

计算机视觉与深度学习之旅专栏收录该内容

8 篇文章

订阅专栏

本文详细梳理了计算机视觉领域的核心任务，包括语义分割的滑动窗口和全卷积方法，以及反池化和转置卷积的优化技巧。接着探讨了目标检测，从单目标到多目标检测，解析了R-CNN系列模型及ROIAlign等关键概念。最后介绍了实例分割，特别是Mask R-CNN的工作原理。同时列举了多个开源框架供学习者实践。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本文按照北京邮电大学计算机学院鲁鹏老师的计算机视觉与深度学习课程按章节进行整理，需要的同学可借此系统学习该课程详尽知识~

视觉识别任务分类

在这里插入图片描述
分类任务前面章节已有介绍，本节不再赘述。

语义分割

语义分割定义

在这里插入图片描述

语义分割思路

1.滑动窗口

在这里插入图片描述

2.全卷积

在这里插入图片描述

全卷积优化

在这里插入图片描述

1）反池化操作: Unpooling

在这里插入图片描述

2）反池化操作: Max Unpooling

在这里插入图片描述

3）转置卷积：Transpose Convolution

回顾卷积操作
在这里插入图片描述
转置卷积操作

重叠区域求和一维示例

目标检测

目标检测定义

在这里插入图片描述

目标检测类别

1.单目标检测

在这里插入图片描述

2.多目标检测

在这里插入图片描述

CNN

在这里插入图片描述

R-CNN

在这里插入图片描述

Fast R-CNN

在这里插入图片描述
重点知识
区域裁剪：ROI Pool

区域裁剪：ROI Align

Faster R-CNN

在这里插入图片描述

重点知识
区域建议：Region Proposal Network
在这里插入图片描述

问题：是否必须采用两个阶段范式完成目标检测?

一阶段目标检测: YOLO / SSD / RetinaNet
在这里插入图片描述

目标检测总结

在这里插入图片描述

实例分割

实例分割定义

在这里插入图片描述

实例分割思路

Mask R-CNN

在这里插入图片描述

附：Open Source Frameworks

TensorFlow DetectionAPI:Faster RCNN, SSD, RFCN, Mask R-CNN

Caffe2 Detectron:Mask R-CNN, RetinaNet, Faster R-CNN, RPN, Fast R-CNN, R-FCN

评论 1

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

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。