主要内容

识别，对象检测和语义分割

识别、分类、语义图像分割、使用特征的对象检测，以及使用cnn、YOLO和SSD的深度学习对象检测

计算机视觉工具箱™支持图像分类、目标检测、语义分割和识别的几种方法，包括:

  • 深度学习与卷积神经网络

  • 包的功能

  • 模板匹配

  • Blob分析

  • Viola-Jones算法

CNN是一种流行的深度学习架构，它可以直接从图像数据中自动学习有用的特征表示。特征袋将图像特征编码成一种适合于图像分类和图像检索的紧凑表示形式。模板匹配使用小图像或模板在较大的图像中查找匹配区域。Blob分析使用分割和Blob属性来识别感兴趣的对象。维奥拉-琼斯算法使用类似haar的特征和级联分类器来识别物体，包括脸、鼻子和眼睛。您可以训练这个分类器来识别其他对象。

突出主题

类别

  • 语义分割
    语义图像分割
  • 对象检测
    使用卷积神经网络(CNNs，或ConvNets)执行分类，目标检测，转移学习，创建定制的探测器
  • 文本检测与识别
    使用图像特征检测和描述、深度学习和OCR检测和识别文本
  • 图像的类别分类
    为图像分类和基于内容的图像检索(CBIR)系统创建视觉词包
  • 视频分类
    使用深度学习实现视频分类和活动识别
  • 自动视觉检测
    使用异常检测和分类技术自动化质量保证任务
Baidu
map