作者：魏秀參 鏈接：https://zhuanlan.zhihu.com/p/21824299 來源：知乎 著作權歸作者所有。商業轉載請聯系作者獲得授權，非商業轉載請注明出處。 ...

FCN - Fully Convolutional Networks for Semantic Segmentation 全卷積網絡 將全連接層轉換為卷積層，使得輸入的圖片大 ...

引言 已經有很多U-Net-Like的神經網絡被提出。 U-Net適用於醫學圖像分割、自然圖像生成。 在醫學圖像分割表現好： 因為利用了底層的特征（同分辨率級聯）改善上采樣的信息不足。 醫學圖像數據一般較少，底層的特征其實很重要。 不只是醫學圖像，對於二分類的語義 ...

推薦一個語義分割專欄，作者對本領域的很多論文都進行了整理：語義分割刷怪進階 而截止目前，CNN已經在圖像分類分方面取得了巨大的成就，涌現出如VGG和Resnet等網絡結構，並在ImageNet中取得了好成績。CNN的強大之處在於它的多層結構能自動學習特征，並且可以學習到多個層次的特征 ...

摘自百度百科。。。。。。。。。。。。。 （1）基於區域的跟蹤算法 基於區域的跟蹤算法基本思想是：將目標初始所在區域的圖像塊作為目標模板，將目標模板與候選圖像中所有可能的位置進行相關匹配，匹配度最高的地方即為目標所在的位置。最常用的相關匹配准則是差的平方和准則 ...

計算機視覺四大基本任務 (分類、定位、檢測、分割) 引言 深度學習目前已成為發展最快、最令人興奮的機器學習領域之一，許多卓有建樹的論文已經發表，而且已有很多高質量的開源深度學習框架可供使用。然而，論文通常非常簡明扼要並假設讀者已對深度學習有相當的理解，這使得初學者經常卡在一些概念的理解上，讀 ...

目前，計算機視覺是深度學習領域最熱門的研究領域之一。計算機視覺實際上是一個跨領域的交叉學科，包括計算機科學（圖形、算法、理論、系統、體系結構），數學（信息檢索、機器學習），工程學（機器人、語音、自然語言處理、圖像處理），物理學（光學 ），生物學（神經科學）和心理學（認知科學）等等。許多科學家認為 ...

本文大致梳理了計算機視覺中圖像分類的脈絡，包括常用數據集、經典模型和性能對比。 1 圖像分類常用數據集 以下是幾種常用的分類數據集，難度依次遞增。列舉了各算法在各數據集上的性能排名。 MNIST，60k訓練圖像、10k測試圖像、10個類別、圖像大小1×28×28、內容是0-9手寫數字 ...