1、语义分割,给出一张图片,对图像上的每一个像素进行分类,对每一个像素产生一个分类类标。
2、上采样的两种方法:
去池化(还有一种是记录池化的时候保留的max 的位置,去池化的时候把数据填到相应的位置,其余位置补零)

去卷积:用输入和卷积核进行运算,重叠的部分进行相加运算。


3、rcnn,fast rcnn,faster rcnn




本文深入探讨了深度学习在图像处理中的应用,包括语义分割技术,通过为图像中的每个像素分配分类标签来实现精细化处理。同时,文章介绍了上采样的两种主要方法:去池化和去卷积,以及目标检测领域的经典模型RCNN、Fast RCNN和Faster RCNN,这些技术共同推动了计算机视觉的发展。
1、语义分割,给出一张图片,对图像上的每一个像素进行分类,对每一个像素产生一个分类类标。
2、上采样的两种方法:
去池化(还有一种是记录池化的时候保留的max 的位置,去池化的时候把数据填到相应的位置,其余位置补零)

去卷积:用输入和卷积核进行运算,重叠的部分进行相加运算。


3、rcnn,fast rcnn,faster rcnn




444

被折叠的 条评论
为什么被折叠?