作者：魏秀参 链接：https://zhuanlan.zhihu.com/p/21824299 来源：知乎 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。 ...

FCN - Fully Convolutional Networks for Semantic Segmentation 全卷积网络 将全连接层转换为卷积层，使得输入的图片大 ...

引言 已经有很多U-Net-Like的神经网络被提出。 U-Net适用于医学图像分割、自然图像生成。 在医学图像分割表现好： 因为利用了底层的特征（同分辨率级联）改善上采样的信息不足。 医学图像数据一般较少，底层的特征其实很重要。 不只是医学图像，对于二分类的语义 ...

推荐一个语义分割专栏，作者对本领域的很多论文都进行了整理：语义分割刷怪进阶 而截止目前，CNN已经在图像分类分方面取得了巨大的成就，涌现出如VGG和Resnet等网络结构，并在ImageNet中取得了好成绩。CNN的强大之处在于它的多层结构能自动学习特征，并且可以学习到多个层次的特征 ...

摘自百度百科。。。。。。。。。。。。。 （1）基于区域的跟踪算法 基于区域的跟踪算法基本思想是：将目标初始所在区域的图像块作为目标模板，将目标模板与候选图像中所有可能的位置进行相关匹配，匹配度最高的地方即为目标所在的位置。最常用的相关匹配准则是差的平方和准则 ...

计算机视觉四大基本任务 (分类、定位、检测、分割) 引言 深度学习目前已成为发展最快、最令人兴奋的机器学习领域之一，许多卓有建树的论文已经发表，而且已有很多高质量的开源深度学习框架可供使用。然而，论文通常非常简明扼要并假设读者已对深度学习有相当的理解，这使得初学者经常卡在一些概念的理解上，读 ...

目前，计算机视觉是深度学习领域最热门的研究领域之一。计算机视觉实际上是一个跨领域的交叉学科，包括计算机科学（图形、算法、理论、系统、体系结构），数学（信息检索、机器学习），工程学（机器人、语音、自然语言处理、图像处理），物理学（光学 ），生物学（神经科学）和心理学（认知科学）等等。许多科学家认为 ...

本文大致梳理了计算机视觉中图像分类的脉络，包括常用数据集、经典模型和性能对比。 1 图像分类常用数据集 以下是几种常用的分类数据集，难度依次递增。列举了各算法在各数据集上的性能排名。 MNIST，60k训练图像、10k测试图像、10个类别、图像大小1×28×28、内容是0-9手写数字 ...