12、计算机视觉：概念、技术与应用

计算机视觉：概念、技术与应用

1. 目标检测

目标检测是计算机视觉中的主要挑战。当与机器学习和深度学习方法结合使用时，它在准确性和测试时间方面都能得到显著提升。目前有许多深度学习预训练模型可用于目标检测，如卷积神经网络（CNN）、基于区域的卷积神经网络（R - CNN）、You Only Look Once（YOLO）、Fast R - CNN等。

• CNN ：计算机视觉的基本结构，它结合了图像分类、目标分类和定位功能。由于其速度和准确性，在过去几年中已被证明是目标检测和分类的可靠方法。
• 图像分类 ：输入图像经过深度卷积网络，该网络将特征向量传递给全连接层，全连接层提供不同的类别分数，最终输出整个图像的内容。
  • 分类与定位 ：使用目标分类和定位算法来确定检测到的目标是什么以及在哪里。除了预测类别标签外，还会在图像中的目标区域周围绘制边界框。与目标检测的区别在于，定位场景中目标的数量是预先已知的。
• 图像分割
  • 语义分割 ：输出图像为每个像素分配类别标签。它类似于图像分类，但不是为整个图像分配单个类别标签，而是为输入图像的每个像素生成类别标签。语义分割不区分实例，当两个相似对象靠近时，它会将整个像素块标记为同一类别。可以通过分类方法进行语义分割，如滑动窗口法，但该方法计算成本高。更高效的模型是全卷积网络。
    • 滑动窗口