图像处理三大任务_cv三大任务

图像处理三大任务

人工智能大概分为两个方向:CV(图像处理)和NLP(自然语言处理)

图像处理cv方向在图像处理中可分为三大任务,即图像分类,目标检测和图像分割

图像分类

把多种图像分类识别出来

最优的代表网络:resnet网络和VGG系列网络

例如把猫狗进行二分类

目标检测

把目标图像用回归框框出进行类别识别,对目标检测的网络可以分为两大派:一次检测和两次检测

两次检测的最优的代表网络是faster rcnn系列网络,一次检测的代表网络是yolo系列网络

一次检测在保证识别准确率的情况下,检测速度相对较快,因此yolo系列的网络用的较多

图像分割

把目标图像的轮廓分割出来,分为语义分割,实例分割,全景分割

语义分割

语义分割 就是需要区分到图中每一点像素点，而不仅仅是矩形框框住了。但是同一物体的不同实例不需要单独分割出来。

实例分割

实例分割 就是目标检测和语义分割的结合。相对目标检测的边界框，实例分割可精确到物体的边缘；相对语义分割，实例分割需要标注出图上同一物体的不同个体

代表网络是***mask rcnn***网络,既对图像进行目标检测又进行图像分割

全景分割

全景分割是语义分割和实例分割的结合。跟实例分割不同的是：实例分割只对图像中的object进行检测，并对检测到的object进行分割，而全景分割是对图中的所有物体包括背景都要进行检测和分割。

以下是同种解释:

https://my.oschina.net/u/876354/blog/3055850