对象检测和图像分割有什么区别?

重磅干货,第一时间送达

01.人工智能中的图像预处理

对象检测和图像分割是计算机视觉的两种方法,这两种处理手段在人工智能领域内相当常见,本文将介绍对象检测和图像分割之间的区别。

在这两个任务中,我们都希望找到图像上某些特定项目的位置。例如,我们可能有一组安全摄像机图片,并且在每张图片上,我们要标识图片中所有人员的位置。通常有两种方法可用于此目的:对象检测和图像分割。

02.对象检测—预测边界框

当我们谈论对象检测时,我们通常谈论的是边界框。这意味着我们的图像处理将在我们的图片中识别每个人周围的矩形。边框通常由左上角的位置(2个坐标)以及宽度和高度(以像素数为单位)定义。

如何理解物体检测方法?如果我们回到任务:识别图片上的所有人,则可以理解通过边界框进行对象检测的逻辑。解决方案的第一个直觉可能是将图像切成小块,然后在每个子图像上应用图像分类,以说明该图像是否是人类。对单个图像进行分类是一项较容易的任务,并且是对象检测的一项,因此,他们采用了这种分步方法。

目前来讲,YOLO模型(You Only Look Once)是解决这一问题的伟大发明。YOLO模型的开发人员已经构建了一个神经网络,该神经网络能够立即执行整个边界框方法!

当前用于物体检测的最佳模型

· YOLO

· Faster RCNN

03.图像分割—预测蒙版

逐步扫描图像的逻辑替代方法是远离绘图框,而是逐像素注释图像。如果这样做,我们将拥有一个更详细的模型,该模型基本上是输入图像的转换。

如何理解图像分割方法?

这个想法是基本的:即使在扫描产品上的条形码时,也可以应用一种算法来转换输入(通过应用各种滤波器),从而使条形码序列以外的所有信息在最终图片中变得不可见。

这是在图像上定位条形码的基本方法,但与“图像分割”中发生的情况相当。

图像分割的返回格式称为遮罩:与原始图像具有相同大小的图像,但是对于每个像素,它仅具有一个布尔值,指示对象是否存在。

如果我们允许多个类别,它可能会变得更加复杂:例如,它可以将海滩景观分为三类:空气,海洋和沙滩。

当前最佳的图像分割模型

· Mask RCNN

· Unet

· Segnet

04.总结

物体检测

· 输入是一个矩阵(输入图像),每个像素3个值(红色,绿色和蓝色),如果黑色和白色则每个像素1个值

· 输出是由左上角和大小定义的边界框的列表

图像分割

· 输入是一个矩阵(输入图像),每个像素3个值(红色,绿色和蓝色),如果黑色和白色则每个像素1个值

· 输出是一个矩阵(蒙版图像),每个像素包含已分配类别的1个值

交流群

(0)

相关推荐

  • Mask R

    原文链接 Mask R-CNN Keras 对象检测 对象分割 像素掩码 在 2019年7月16日 上张贴 由 hotdog发表 Mask R-CNN Keras 在本教程中,您将学习如何使用 Ker ...

  • 收藏 | 使用Mask-RCNN在实例分割应用中克服过拟合

    干货第一时间送达 转载于:作者:Kayo Yin 编译:ronghuaiyang     |    AI公园 导读 只使用1349张图像训练Mask-RCNN,有代码. 代码:https://gith ...

  • 图像分割

    什么是图像分割? (1)图像分割的主要目标是将图像划分为与其中含有真实世界的物体或区域有强相关性的组成部分 (2)分割方法可以归类如下:阈值化.基于边缘.基于区域 (3)每个区域可以用其封闭的边界来表 ...

  • 【学术论文】区域生长和水平集相融合的肺部CT图像分割

    摘要: 为将肺实质区域从含有背景.噪声的胸腔区域里分割出来,首先,应用传统的区域生长法初步定位肺部边界轮廓:其次,去除肺部边界噪声,采用自适应曲率阈值法修复肺部边界:最后,应用水平集法中的DRLSE模 ...

  • 将ONNX对象检测模型转换为iOS Core ML

    在本系列中,我们将使用预训练的模型来创建一个iOS应用程序,该应用程序将在实时摄像头Feed中(而非静态图片中)检测多个人和物体. 在本文中,我们将从YOLO对象检测模型从开放神经网络交换格式(ONN ...

  • 恺明大神 Mask R

    转   自 | AI开发者 原标题 |  Mask R-CNN with OpenCV 作 者 | Adrian Rosebrock 翻 译 | 天字一号(郑州大学).李美丽(华南师范大学).had_ ...

  • 图像分割技术概述

    青榴实验室 1周前 1.什么是图像分割 图像分割是图像分析的第一步,是计算机视觉的基础,是图像理解的重要组成部分,同时也是图像处理中最困难的问题之一.所谓图像分割是指根据灰度.彩色.空间纹理.几何形状 ...

  • (4条消息) OpenCV DNN之YOLO实时对象检测

    OpenCV在3.3.1的版本中开始正式支持Darknet网络框架并且支持YOLO1与YOLO2以及YOLO Tiny网络模型的导入与使用.YOLO是一种比SSD还要快的对象检测网络模型,算法作者在其 ...

  • ML.NET 示例:对象检测-ASP.NET Core Web和WPF桌面示例

    dotNET跨平台 今天以下文章来源于My IO ,作者My IO My IO记录工作和生活,将输入变成输出ML.NET 版本API 类型状态应用程序类型数据类型场景机器学习任务算法v1.5.0动态A ...

  • 用于AI对象检测的多阶段Docker构建

    容器技术(例如Docker)可简化依赖关系管理并提高软件的可移植性.在本系列文章中,我们探讨了Docker在机器学习(ML)场景中的用法. 本系列假定您熟悉AI/ML,一般的容器化,尤其是Docker ...

  • 使用OpenCV进行对象检测

    重磅干货,第一时间送达 目标检测是图像处理的重要组成部分.自动驾驶汽车必须检测车道,路面,其他车辆,人,标志和信号等.我们生活在一个动态的世界中,一切都在不断变化.对象检测的应用无处不在. 我们正在研 ...

  • opencv DNN模块之YOLO(Darknet)对象检测

    原理 自行百度,本人不擅长 YOLO 来自darknet对象检测框架 基于COCO数据集,能检测80个类别 YOLO V3版本 https://pireddie.com/darknet/yolo 每种 ...

  • 基于立体R-CNN的3D对象检测

    重磅干货,第一时间送达 好消息,小伙伴以后可以通过问答的形式在文章下方进行留言,并且小白也会及时回复大家哦! 交流群

  • SMT中的检测设备AOI和SPI区别

    主要区别是:SPI是对于焊锡印刷的质量检查及对印刷工艺的检验和掌控,而AOI是对器件贴装展开检测和对焊点展开检测. SPI(solder paste inspection,又名锡膏检测)是对于焊锡印刷 ...

  • TensorFlow对象检测:训练,导出,优化,推断

    第1部分 从在自定义数据集中训练检测器到使用TensorFlow 1.15在Jetson纳米板或云上进行推理的详细步骤 完整代码可在GitHub上获得 TensorFlow对象检测API V2的教程可 ...

  • CVPR 2020 | 用于点云中3D对象检测的图神经网络

    论文原文:Point-GNN: Graph Neural Network for 3D Object Detection in a Point Cloud 论文地址:https://www.amine ...