这是真的吗?

谢谢你的忠告

Objekterkennung是什么?

目标识别是计算机视觉技术在视频中识别目标。目标识别是深度学习和机器学习算法的结合。目标识别包括视频识别、目标识别、目标识别和视觉细节识别Ziel ist是一名计算机工程师，他是一名工程师：他是一名工程师，是一名工程师。

Abbildung 1: Mit Hilfe der Objekterkennung können verschiedene Kategorien von Objekten identifiziert werden。

在fahrerlosen汽车中，Die es diesen ermöglicht, ein Stoppschild zu erkenen odereinen Fußgänger von einer Straßenlaterne zu unterscheiden。我们这个ßerdem ist die jekterkennung für eine Reihe von Anwendungen nützlich我们这个die identififiierung von Krankheiten im生物成像，industrielle Inspektionen和Bildverarbeitung durch机器人。

Objekterkennung与Objekterfassung

Objekterfassung und Objekterkennung sind ähnliche Techniken zur Identifizierung von Objekten, unterscheiden saber in ihrer Ausführung。死Objekterfassung在沃尔冈，他们是在比登堡的奥杰克顿。我在深度学习中遇到了困难，在我们的世界中遇到了困难，在我们的世界中遇到了困难。所以können mehrere Objekte innerhalb eines identifiiert and getet werden。

Abbildung 2: Objekterkennung(链接)和Objekterfassung (rechts)

你最怕的是什么?

Für die Objekterkennung sehen verschiedene Ansätze zur Verfügung。在《技术时代》的信中机器学习和des深度学习populäre Ansätze für问题还没解决。麻省理工学院技术学院lässt这是我在比尔登埃勒南的标识，您在本网站的标识是Ausführung。

Abbildung 3: technken des Machine Learning and des Deep Learning für die Objekterkennung。

我folgenden Abschnitt werden die Unterschiede zwischen Machine Learning and Deep Learning für die Objekterkennung erläutert, und es widegezeigt, wie beide Techniken implementiert werden können。

Techniken für die Objekterkennung

objkterkennung与深度学习

Deep Learning-Techniken sind mittlerweile eine populäre Methode für die Objekterkennung。Deep-Learning-Modelle如:卷积神经网络(neuronale faltunsnetzwerke)美国有线电视新闻网，我们可以这样说，嗯，我们可以用典型特征来描述自动对象，也可以用恒等式。我们可以在CNN的学习中，看到卡岑和洪登的相似之处，看到他和默克尔的相似之处，看到卡岑和洪登的相似之处。

e gibt zwei Ansätze zur Objekterkennung mit Hilfe von Deep Learning:

  • Trainieren eines models von Grund auf:在深入学习培训的过程中，萨姆林·格伦德（sammeln Sie）在肯尼治大学和恩图尔大学（Netzarchitektur）学习，学习梅克马尔·勒南（Merkmale lernen）和《模式论》（Modell Erstellet）。他是一名优秀的培训师，他是一名优秀的培训师，同时也是一名优秀的教师我是CNN艾因里克滕。
  • Verwenden eines vortrainierten深度学习模型:我听的是深度学习转移学习，我想买一套verfeinert电线。你可以在网上学习，你可以在谷歌网上学习，你也可以在网上学习。您的方法是weniger zeitaufwändig，我们可以在Ergebnis liefern，这是一个模型。

深度学习bietet sehr präzise Vorhersagen, benötigt dafür aber umfangreiche Daten。

Abbildung 4: Anwendung von Deep Learning für die Objekterkennung von Restaurant-Speisen。

机器学习

机器学习技术在ebenfalls für die Objekterkennung相信和bieten Ansätze als as Deep Learning。Häufige Beispiele für Machine-Learning-Techniken sind:

工作流für das机器学习

Um eine Objekterkennung mithilfe eines standardmäßigen Machine-Learning-Ansatzes durchzuführen, begines it einer Zusammenstellung von Bildern (oder视频)and bestimmen die associated Merkmale in jedem Bild。我们可以通过Kanten- oder Eck-Merkmale extrahieren, die ur Unterscheidung von Klassen in Ihren Daten verwendet werden können。

我们可以使用机器学习模型hinzugefügt，我们可以使用机器学习模型，我们可以使用计算机分析模型，我们可以使用计算机分析模型。

您可以访问können eine Reihe unterschedlicher机器学习算法和Merkmalsextraktionsmethoden verwenden。Diese bieten zahlreiche Kombinationen für die Erstellung eines präzisen objekterkennungsmomodels。

Abbildung 5:机器学习-工作流für die objkterkennung。

机器学习是一种灵活的学习方式，它是Merkmalen和Klassifizierer的最佳组合。你不知道该怎么做。

机器学习vs.深度学习für die objkterkennung

最好的Ansatz für die Objekterkennung hängt von Ihrer Anwendung und dem lösenden ab问题。在vielen Fällen可以机器学习有效的技术，在这里，wenn man ß， welche Merkmale oder Eigenschaften des Bildes am beststen geeignet sind, um objekklassen zu terscheiden。

Die wichtigste Überlegung für Die Wahl zwischen Machine Learning and Deep Learning ist, ob Sie über eine Hochleistungs-GPU und zahlreich Trainingsbilder mit Kennzeichnungen verfügen。安特沃特的名字是“机器学习”(machine learning)。Deep-Learning-Techniken funktionieren im Allgemeinen besser mit einer höheren Anzahl von Bildern，以及GPU trägt dazu bei, den Zeitaufwand für das Trainieren des modelszu verringern。

Abbildung 6: Wichtige Kriterien für die Wahl zwischen深度学习和机器学习。

Erfahren您更多

Einführung在深度学习:机器学习vs.深度学习。
视频长度为3:47。
Einführung在深度学习:机器学习vs.深度学习

Weitere Objekterkennungsmethoden

Andere，我在这里Ansätze für我想去看看können我想去看看。

  • 模板匹配–这是一个非常有趣的地方，在这片土地上
  • Bildsegmentierung和Blob-Analyse- Verwendung einfacher Objekteigenschaften, wie Größe, Farbe order Form

在我们的生活中，我们可以用图画来描述我们所能做的事情，我很高兴，我们可以用图画来描述我们所开始的事情。我们可以写一个健壮的Lösung führen，我们也可以写一个健壮的Tausende von Trainingsbildern in kompliziertes Verfahren erfordert。

奥布杰克特肯农

深度学习和机器学习mit MATLAB

Mit nur wenigen ZeilenMATLAB®机器学习和深度学习模型的代码。

在kürzerer Zeit erfolgreich zu sein中，MATLAB für die objekterkenung ermöglicht es：

  1. 数据科学与MATLAB:

    麻省理工学院MATLAB können sich Wissen zu机器学习和深度学习的工程师和工程师。MATLAB macht das Lernen在diesen Bereichen praktikabel和bietet einfache Zugänge。Außerdem können Fachexperten麻省理工学院MATLAB Objekterkennungsmodelle Erstelle–statt diese Aufgabe数据科学家zuüberlassen，die Iher Branche Order A恩文东·莫格利切维塞·尼希特·凯宁。

  2. 在应用程序中，最新的标签和模型：

    麻省理工学院MATLAB können Sie机器学习和深度学习模型麻省理工学院最小代码Aufwand erstellen。

    麻省理工学院《分类Learner-Appkönnen您的机器学习模型和机器学习算法，我们的代码。

    麻省理工学院《图像Labeler-App在Bildern interaktiv labeln中的können Sie Objekte，在视频中的können Ground Truth labeln中的können，嗯，深度学习模型培训和测试。在kürzerer Zeit中，麻省理工学院的互动和自动化是一个很好的结果。

  3. 工作流程:

    MATLAB kann mehrere Domänen在einzigen工作流程中。麻省理工学院MATLAB könne Sie在ein和derselben Umgebung中，所有这些都是为Chung和Programmierlaufgaben erledigen设计的。它是深入学习和机器学习的工具和功能，包括Bereiche von Bereichen、die solche算法nutzen、wie Robotik、计算机视觉和数据特纳莱森。

MATLAB automatisiert die Bereitstellung Ihrer Modelle auf Unternehmenssystemen, in cluster, in Clouds and auf Embedded-Geräten。

30-tagige kostenlose Testversion

杰特贝金宁