深度学习、语义分割和检测
深度学习和卷积网络，语义图像分割，目标检测，识别，地面真实标记，特征包，模板匹配，背景估计
Computer Vision Toolbox™支万博1manbetx持多种图像分类、对象检测和识别方法，包括:
深度学习和卷积神经网络(CNNs)
包的功能
模板匹配
Blob分析
Viola-Jones算法
用于ground truth标签的交互式应用程序
CNN是一种流行的深度学习架构，它可以直接从图像数据中自动学习有用的特征表示。特征包将图像特征编码成适合于图像分类和检索的压缩表示。模板匹配使用一个小的图像，或模板，来查找大图像中的匹配区域。Blob分析使用分段和Blob属性来标识感兴趣的对象。Viola-Jones算法使用类似haar的特征和级联分类器来识别对象，包括面孔、鼻子和眼睛。您可以训练这个分类器来识别其他对象。
- 图像和视频标记
交互式图像和视频标记，用于目标检测、语义分割和图像分类 - 语义分割
语义图像分割 - 使用深度学习的对象检测
使用卷积神经网络(CNNs或ConvNets)进行分类、对象检测、传输学习 - 使用特征进行目标检测
检测人脸和行人，创建定制的检测器 - 图像分类和图像检索
为图像分类和基于内容的图像检索(CBIR)系统创建一个可视化单词包 - 光学字符识别(OCR)
使用光学字符识别识别文本
