关于图像处理分析的一些理解

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