一、数据集与评价指标
算法评估:P-R曲线
mAP计算
二、目标检测与YOLO
目标检测问题:目标检测是在给定的图片中精确找到物体所在位置,并标注出物体的类别。物体的尺寸变化范围很大,摆放物体的角度,姿态不定,而且可以出现在图片的任何地方,并且物体还可以是多个类别。
目标检测实现:边界框、緢框、交并比、标注训练集的锚框、输出预测边界框。
目标检测数据集:数据集的介绍、数据集的下载、数据集的读取、图示数据。
三、语义分割
语义分割关注如何将图像分割成属于不同语义类别的区域。值得一提的是,这些语义区域的标注和预测都是像素级的。下图展示了语义分割中图像有关狗、猫和背景的标签。可以看到,与目标检测相比,语义分割标注的像素级的边框显然更加精细。
语义分割数据集:
四、风格迁移
组成部分:内容损失、样式损失、总变差损失。
代价函数:内容代价函数、风格代价函数、总体代价函数。
风格迁移:读取内容图像和样式图像、预处理和后处理图像、抽取特征、定义损失函数、训练。
五、人脸识别
人脸识别与人脸验证:构建神经网络、训练神经网络、运行神经网络。
六、视觉应用展望
生成对抗网络:
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)