深度学习相关的图像处理的专业术语
边缘检测(Edge Detection/Contour Detection):效果如下图所示:
目标检测(Object Detection):
(1)目标分类
(2)目标定位
(3)目标检测
图1 目标分类、定位、检测示例
简单来说,分类、定位和检测的区别如下:
分类:是什么?
定位:在哪里?是什么?(单个目标)
检测:在哪里?分别是什么?(多个目标)
目标分类 目标定位 目标检测
参考文章:https://baijiahao.baidu.com/s?id=1608705724317838896&wfr=spider&for=pc
实例分割(Instance Segmentation):机器自动从图像中用目标检测方法框出不同实例,再用语义分割方法在不同实例区域内进行逐像素标记。
语义分割(Semantic segmentation):对图片的每个像素都做分类。
借一个浅显的说法:语义分割不区分属于相同类别的不同实例。例如,当图像中有多只猫时,语义分割会将两只猫整体的所有像素预测为“猫”这个类别。与此不同的是,实例分割需要区分出哪些像素属于第一只猫、哪些像素属于第二只猫
参考文章:https://blog.****.net/qq_39295044/article/details/79796663
候选区域(Region Proposal): 是预先找出图中目标可能出现的位置。它利用了图像中的纹理、边缘、颜色等信息,可以保证在选取较少窗口(几千甚至几百)的情况下保持较高的召回率(Recall)。