1.计算机视觉导论

解决的问题

分类，检测，分割

Single Object

• Classification
• Classification + Localization

Multiple Object

• Object Detection 有些像素里面是目标的，有一些是背景的，所以背景的就是冗余了。
• Segmentation（分割最难），就像是PS的抠图

Semantic Segmentation 语义分割：分割的时候，每个像素进行分类，就是按类分，所以猫与猫之间是没有界限的，同一类物体时被分在一起。

会区分背景，就是会把背景识别出来

Instance Segmentation 实例分割：将不同的物体扣出来，会有不同的个体

背景是不感兴趣区域，所以就不识别出来，不进行处理

图像分割不是目的，只是前提

三个关键

1. 硬件的算力
2. 样本数据
3. 模型的算法

目标检测方法分类

两阶段方法：先从图像上提取候选框，再对每一个候选框进行逐一的甄别，最终把置信度高的候选框，筛选出来，展示出最后的结果。

eg. R-CNN, Fast-RCNN, Faster-RCNN, Mask-RCNN.

缺点：速度比较慢，就像RCNN需要提取2000多个框，那就浪费了很多的算力，但是很准确。

单阶段方法：不需要提取候选框，直接把图像放进去，就可以得到结果，所以速度就非常快。

eg. YOLO、SSD

标签：02,分割,候选框,07,背景,Object,Segmentation,2021,RCNN
来源： https://blog.csdn.net/weixin_43558052/article/details/113748255