计算机视觉领域不同的方向:目标识别目标检测语义分割等
Posted ZealCV
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了计算机视觉领域不同的方向:目标识别目标检测语义分割等相关的知识,希望对你有一定的参考价值。
#计算机视觉任务:
##图像分类(image classification)
图像分类:根据图像的主要内容进行分类。
数据集:MNIST, CIFAR, ImageNet
##目标检测(object detection)
给定一幅图像,只需要找到一类目标所在的矩形框
人脸检测:人脸为目标,框出一幅图片中所有人脸所在的位置,背景为非目标
汽车检测:汽车为目标、框出一幅图片中所有汽车所在的位置,背景为非目标
数据集:PASCAL, COCO
##目标识别(object recognition)
将需要识别的目标,和数据库中的某个样例对应起来,完成识别功能
人脸识别:人脸检测,得到的人脸,再和数据库中的某个样例对应起来,进行识别,得到人脸的具体信息
数据集:PASCAL, COCO
##语义分割(semantic segmentation)
对图像中的每个像素都划分出对应的类别,即对一幅图像实现像素级别的分类
数据集:PASCAL, COCO
##实例分割(instance segmentation)
对图像中的每个像素都划分出对应的类别,即实现像素级别的分类,类的具体对象,即为实例,那么实例分割不但要进行像素级别的分类,还需在具体的类别基础上区别开不同的实例。
比如说图像有多个人甲、乙、丙,那边他们的语义分割结果都是人,而实例分割结果却是不同的对象,具体如下图(依次为:原图 ,语义分割 ,实例分割):
数据集:PASCAL, COCO
###不同数据集的介绍参考博客:计算机视觉相关数据集和比赛
#通俗的讲解如此下:
图像识别中,目标分割、目标识别、目标检测和目标跟踪这几个方面区别是什么?
作者:许铁-巡洋舰科技
来源:知乎,著作权归作者所有
以上是关于计算机视觉领域不同的方向:目标识别目标检测语义分割等的主要内容,如果未能解决你的问题,请参考以下文章