基于弱监督深度学习的图像分割方法综述
本文是基于弱监督的深度学习的图像分割方法的综述，阐述了弱监督方法的原理以及相对于全监督方法的优势。 1 基础概念 生活中，我们和周围的事物都是有“标签”的，比如人、杯子、天空等等。在不同的场景下，相同的事物可能对应了不同的标签，比如长在地上的一片小草称为“草地”，长在花盆里 ...
原文：扫盲记-第四篇--弱监督深度学习的图像分割
基于弱监督深度学习的图像分割方法 本文主要介绍基于深度学习的图像分割方法，即语义分割 实例分割和全景分割。 基础概念 生活中，我们和周围的事物都是有 标签 的，比如人 杯子 天空等等。在不同的场景下，相同的事物可能对应了不同的标签，比如长在地上的一片小草称为 草地 ，长在花盆里的很可能属于 盆栽 ，画在画中的又属于 装饰 。 如果把整幅图像比作我们生活的世界，那么具有相同 标签 的像素就组成了我 ...
2019-03-23 12:12 0 3964 推荐指数：
相关推荐
扫盲记-第三篇--图像分割
学习内容来源于网络 图像分割 图像分割是什么？如果下学术定义，就是把图像分割成想要的语义上相同的若干子区域，看上面的自动驾驶的分割任务，路是路，车是车，树是树。这些子区域，组成图像的完备子集，相互之间不重叠。图像分割可以被看作是一个逐像素的图像分类问题。 传统办法： 1. ...
深度学习-图像分割
NI-DL 应用框架：图像分类，目标检测，分割提取。 底层：TensorFlow，Keras，Cuda，C/C++ 上层：VC++，C#.NET Winform 源码编译，支持本地部署，云部署。 图像分类：点击查看 目标检测：点击查看 图像分割：点击查看 （本文 ...
扫盲记-第五篇--图像全景分割
全景分割（Panoptic Segmentation） 前言 在计算机视觉中，图像语义分割（Semantic Segmentation）的任务是预测每个像素点的语义类别；实例分割（Instance Segmentation）的任务是预测每个实例物体包含的像素区域。全景分割（Panoptic ...
扫盲记-第二篇-基于深度学习的图像超分辨率
超分辨率（Super-Resolution, SR）是指从观测到的低分辨率图像重建出相应的高分辨率图像，在监控设备、卫星图像和医学影像等领域都有重要的应用价值。 端到端的基于深度学习的单张图像超分辨率方法(Single Image Super-Resolution, SISR ...
基于深度学习的图像分割在高德的实践
一、前言 图像分割（Image Segmentation）是计算机视觉领域中的一项重要基础技术，是图像理解中的重要一环。图像分割是将数字图像细分为多个图像子区域的过程，通过简化或改变图像的表示形式，让图像能够更加容易被理解。更简单地说，图像分割就是为数字图像中的每一个像素附加标签，使得具有相同 ...
深度学习图像分割——U-net网络
写在前面： 一直没有整理的习惯，导致很多东西会有所遗忘，遗漏。借着这个机会，养成一个习惯。 对现有东西做一个整理、记录，对新事物去探索、分享。 因此博客主要内容为我做过的，所学的整理记录以及新的算法、网络框架的学习。基本上是深度学习、机器学习方面的东西。 第一篇首先是深度学习图像分割 ...
深度学习图像分割——U-net网络
的算法、网络框架的学习。基本上是深度学习、机器学习方面的东西。 第一篇首先是深度学习图像分割——U-ne ...