超级会员免费看
本文介绍了语义分割，一个计算机视觉任务，包括它的应用、基本概念和与图像分类、对象检测的区别。重点是理解UNet架构，一个用于解决语义分割的全卷积网络模型。文章通过一个盐识别案例研究来阐述其重要性和工作原理，并讨论了卷积、最大池化和转置卷积的操作。最后，展示了UNet在训练和验证数据集上的应用结果。
A Salt Identification Case Study
Table of Contents:
- Introduction
- Prerequisites
- What is Semantic Segmentation?
- Applications
- Business Problem
- Understanding the data
- Understanding Convolution, Max Pooling and Transposed Convolution
- UNET Architecture and Training
- Inference
- Conclusion
- References
1. Introduction
计算机视觉是一个跨学科的科学领域，涉及如何使计算机从数字图像或视频中获得高层次的理解。 从工程的角度来看，它寻求自动化人类视觉系统可以完成的任务。（维基百科）
深度学习使计算机视觉领域在过去几年中迅
订阅专栏 解锁全文
扫一扫
4107
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
