关于图像处理分析的一些理解

本文详细介绍了图像处理的基础操作,如灰度化、边缘检测,以及基于深度学习的图像识别,特别是卷积神经网络在分类、检测和分割任务中的关键角色。重点探讨了端到端的目标检测模型,如YOLO和SSD,以及FPN特征金字塔网络在提升性能的作用。论文链接提供了深入研究的资源。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1.图像处理

较为底层的操作,可以看成数据预处理(图像本身也是由像素数据组成的),常见的处理有:图像降噪,压缩,提升分辨率,边缘检测等
彩色图像灰度化
边缘检测:检测出图像中亮度变化显著的点,这种变化由灰度值的一阶导数来体现,在实际操作中用差分来代替。

2.基于深度学习的图像识别

主要是基于卷积神经网络cnn,来提取特征,lenet,resnet,Alexnet.
图像识别的三个阶段:
分类------->检测-------->分割

分类

识别图像中的目标属于哪一类,图像中没有其他目标

检测

定位+分类
先将图像中的各个目标框出来,然后再进行分类

分割

描绘出各个目标的轮廓

3.end to end 模型(目标检测)

输入的是原始数据,得到结果。
input----->cnn网络------->结果
目标检测中one stage方法就是端到端的,
比如yolo,ssd
two stage
RPN(region proposal network)提出候选框
RPN+CNN

4.FPN特征金字塔网络

论文地址:https://arxiv.org/pdf/1612.03144.pdf

论文选题推荐

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值