论文主题: Recent Advances in Deep Learning for Object Detection

论文摘要: 机器学习社区已经被大量基于深度学习的方法所淹没。卷积神经网络、递归神经网络、对抗神经网络、自编码等多种深部神经网络正有效地解决无约束环境下目标的检测、定位、识别和分割等具有挑战性的计算机视觉任务。而关于目标检测的分析研究已经有很多了或识别领域,许多新的深度学习技术已经浮出水面关于图像分割技术。本文探讨这些不同的图像分割深度学习技术分析视角。这项工作的主要目标是提供一个对重要技术的直观理解对图像分割领域的贡献。从一些在传统的图像分割方法的基础上,本文对图像分割技术进行了研究刻划深度学习对图像分割领域的影响。此后,大多数主要的分割算法已按照专用于其独特贡献的段落进行了逻辑分类。借助大量直观的说明,可以期望读者具有更好的可视化这些内部动态的能力流程。

成为VIP会员查看完整内容
58

相关内容

RNN:循环神经网络,是深度学习的一种模型。
【文献综述】图像分割综述,224篇参考文献,附58页PDF
专知会员服务
115+阅读 · 2019年6月16日
最全综述 | 图像分割算法
极市平台
23+阅读 · 2019年6月23日
基于显著性的图像分割
AI研习社
7+阅读 · 2019年4月21日
自然语言处理常识推理综述论文,60页pdf
专知
69+阅读 · 2019年4月4日
Image Captioning 36页最新综述, 161篇参考文献
专知
89+阅读 · 2018年10月23日
深度学习基础之LSTM
全球人工智能
26+阅读 · 2017年12月18日
Image Segmentation Using Deep Learning: A Survey
Arxiv
42+阅读 · 2020年1月15日
Deep learning for cardiac image segmentation: A review
Arxiv
21+阅读 · 2019年11月9日
Arxiv
5+阅读 · 2018年10月11日
Image Captioning based on Deep Reinforcement Learning
Deep Learning for Generic Object Detection: A Survey
Arxiv
13+阅读 · 2018年9月6日
VIP会员
相关VIP内容
【文献综述】图像分割综述,224篇参考文献,附58页PDF
专知会员服务
115+阅读 · 2019年6月16日
微信扫码咨询专知VIP会员