计算机视觉是人工智能的关键领域之一,是一门研究如何使机器“看”的科学。图像目标检测又是计算机视觉的关键任务,主要对图像或视频中的物体进行识别和定位,是AI后续应用的基础。
因此,检测性能的好坏直接影响到后续目标 追踪、动作识别的性能。传统图像目标检测的滑窗法虽然简单易于理解,但随目标大小而变化的窗口对图像进行从左 至右、从上至下的全局搜索导致效率低下。
为了在滑动窗口检测器的基础上提高搜索速度,选择性搜索方法(selective search method)孕育而出,基于这一想法采用子区域合并的方式进行候选区域的提取 从而确定目标。 有助于确定目标之间的关系,以及目标在图像中的上下文。应用包括人脸识别、车牌识别和卫星图像分析。例如,零售和时尚等行业在基于图像的搜索中使用了图像分割。自动驾驶汽车用它来了解周围的环境。
上课时间:4月27日-28日,每晚20:00-22:30
课程服务:全程直播授课+讲师答疑+课堂笔记+作业布置
神经网络模型细节知识点分析.
神经网络模型整体架构解读.
计算机视觉核心模型-卷积神经网络.
卷积神经网络整体架构及其参数设计.
商汤MMLAB系列框架解读(基于PyTorch)
分割与检测网络结构拆解与框架配置文件解读.
从数据标注开始完成自己任务训练与实验分析.
不懂代码也能轻松进行网络结构替换实验.
原价199
扫描下方二维码
0.02元报名
完课礼包
原价199
扫描下方二维码
0.02元报名