深度学习、目标探测和识别
深入学习,目标检测,识别,袋功能,模板匹配,背景估计和地面真理标签
计算机视觉系统工具箱™支持几种方法对图像分类、目标检测、识别,包万博1manbetx括:
深度学习和卷积神经网络(cnn)
包的功能
模板匹配
Blob分析
Viola-Jones算法
地面实况互动程序标签
CNN是一个受欢迎的深度学习架构,自动学习有用的功能直接从图像数据表示。包的特征编码图像特征适合紧凑表示图像分类、图像检索。模板匹配使用一个小图像,或模板,找到匹配的地区更大的图像。Blob分析使用分割和Blob属性来识别感兴趣的对象。Viola-Jones算法使用Haar-like特性和级联分类器的识别对象,包括脸,鼻子和眼睛。你可以训练分类器识别其他对象。
突出主题
- 图像标签
交互式图像标签语义分割和图像分类 - 计算机视觉的深度学习
进行分类、目标检测、转让学习使用卷积神经网络(cnn或回旋网)和语义分割。 - 对象探测器
检测人脸和行人,创建自定义的探测器 - 图像类别分类和图像检索
创建一个包的视觉对图像分类和基于内容的图像检索(CBIR)系统 - 光学字符识别(OCR)
识别文本使用光学字符识别