2020年7月9日 机器视觉与计算机视觉技术

图像分类和目标检测技术有什么区别?

图像分类和目标检测技术是计算机视觉领域的重要研究方法。这些技术帮助机器理解和识别实时对象和环境,帮助数字图像作为输入。多年来,计算机视觉技术已经被应用于多个领域,包括医疗保健、制造业、零售业等等。

由于像图像分类和目标检测这样的方法都是围绕着数字图像中的目标识别而展开的,所以常常会留下混淆:这两种技术到底是什么,这两种技术又是如何区别的?

在本文中,我们将了解这两种技术是什么,并讨论使它们不同的各种场景。

图像分类

简单地说,图像分类是一种用于对图像中特定对象的类别进行分类或预测的技术,该技术的主要目的是准确识别图像中的特征。

图像分类的工作原理

一般来说,图像分类技术可以分为参数和非参数、有监督和无监督以及硬分类器和软分类器。对于有监督分类,该技术基于所建立的决策边界来传递结果,决策边界主要依赖于训练模型时所提供的输入和输出。但是,在无监督分类的情况下,该技术根据对输入数据集本身的分析提供结果;特征不会直接输入到模型中。

图像分类技术涉及的主要步骤是确定合适的分类系统、特征提取、选择好的训练样本、图像预处理和选择合适的分类方法、分类后处理,最后对总体精度进行评估。在这种技术中,输入通常是特定对象(如上图中的兔子)的图像,输出是定义和匹配输入对象的预测类。卷积神经网络(CNNs)是目前最常用的用于图像分类的神经网络模型。

图像分类技术的类型

有监督图像分类技术包括并行六面体技术、最小距离分类器、最大似然分类器等。在一篇研究论文中,研究人员提到了以下几种类型的图像分类技术

●基于不同传感器信息的图像分类

●基于训练样本性质的图像分类

●基于数据所用各种参数的图像分类

●基于数据像素信息性质的图像分类

●基于每个空间数据元素生成的输出数量的图像分类

●基于空间信息性质的图像分类。

缺点

●在有监督和无监督的图像分类技术中,缺点是训练阶段需要大量的时间,不适合处理大数据。

目标检测

目标检测的问题定义是确定目标在给定图像中的位置,如目标定位,以及每个目标属于哪个类别,即目标分类。简单地说,目标检测是一种图像分类技术,除了分类之外,该技术还可以从自然图像中的大量预定义类别中识别出目标实例的位置。

这种技术能够搜索特定种类的物体,如汽车、人、动物、鸟类等,并已成功地应用于下一代图像和视频处理系统中。只有随着深度学习方法的出现,这项技术的最新进展才成为可能。

目标检测技术可以应用于现实工程中,如人脸检测、行人检测、车辆检测、交通标志检测、视频监控等。

目标检测的工作原理

传统的目标检测模型主要分为信息区域选择、特征提取和分类三个阶段。有几种流行的基于深度学习的目标检测模型,已被组织和学术界用于实现从图像中检测目标的效率和准确结果。受欢迎的机型包括MobileNet、You Only Live One(YOLO)、Mark RCNN、RetinaNet等。

缺点

近几年来,在受控环境下的目标检测问题取得了很大的成功。然而,这个问题在不受控制的地方仍然没有得到解决,特别是当对象被放置在杂乱和闭塞的环境中的任意姿势时。

Banner
Related Posts

hotonic Vision通过视频开发激光雷达传感器

2019年5月8日

2019年5月8日

英国初创公司Photonic Vision开发了一种激光雷达飞行时间传感的颠覆性方法。

英伟达Jetson Nano定位于大众市场机器学习

2019年3月20日

2019年3月20日

GPU巨头英伟达(Nvidia)发布了用于大众市场产品的微型人工智能电脑Jetson Nano。

最全分类!计算机视觉的图像标注类型及应用

2019年10月9日

2019年10月9日

计算机视觉的图像标注种类繁多,应用也不尽相同。想知道各种标注技术的效果吗?一起来看看它们在计算机视觉方面的应用和独特的案例吧!

计算机视觉究竟是个怎样的行业?

2019年6月20日

2019年6月20日

5月1日外媒消息,微软刚刚发布了 Windows Vision Skills 的预览版本,是一个 NuGet 包集合。

从摄像机到云端:计算机视觉如何将数据转化为行动

2020年1月8日

2020年1月8日

商业上的成功通常归结为根据突然的市场变化做出快速决策。计算机视觉(一种在AI领域中崛起的快速技术),可以帮助商用机构和其他企业才做到这一点。

CMU的研究人员设计出利用计算机视觉来观察周围角落的新技术

2019年6月20日

2019年6月20日

未来的自动驾驶汽车和其他机器智能系统可能不需要视线来收集极其详细的图像数据:卡内基梅隆大学(Carnegie Mellon University)、多伦多大学(University of Toronto)和伦敦大学学院(University College London)的一项新研究设计出了一种“观察周围角落”的技术。

计算机视觉软件市场的最新趋势

2018年8月9日

2018年8月9日

计算机视觉软件正在改变各个行业,不仅使消费者的生活更容易,而且让人产生兴趣。作为一个领域,计算机视觉已经获得了大量的宣传和投资。北美计算机视觉软件市场总投资额为1.2亿美元,而中国市场则飙升至39亿美元。

研究人员发现用于3D视觉的神经元

2019年7月5日

2019年7月5日

英国纽卡斯尔大学的科学家在昆虫大脑中发现了计算3D距离和方向的神经元。了解这些可能有助于提高和发展机器人视觉应用。

为什么计算机视觉项目中选择OpenCV而不是MATLAB

2019年12月25日

2019年12月25日

在目前可用于计算机视觉的许多工具和库中,有两种主要的工具OpenCV和Matlab在速度和效率方面表现突出。在本文中,我们将详细介绍这两种方法。

利用计算机视觉和机器学习技术实现莴苣种植的精准化作业

2019年6月11日

2019年6月11日

Earlham Institute的研究人员开发了一个机器学习平台,使用计算机视觉和航拍图像对莴苣作物进行分类。

计算机视觉技术的七个典型应用

2019年4月8日

2019年4月8日

计算机视觉在现实世界中已经有了大量的应用,而且这项技术还很年轻。随着人类和机器继续合作,人类的劳动力将被解放出来,专注于更高价值的任务,机器的自动处理依赖于图像识别的过程。

阴影检测系统让自动驾驶汽车看到周围的角落

2019年10月30日

2019年10月30日

通过分析地面阴影的变化,无人驾驶汽车可以预测何时有车辆或行人从拐角处经过。

用3D绘制世界地图使我们能够用增强现实描绘街道

2019年4月19日

2019年4月19日

如果我们要获得真实的,针对特定地点的AR或精确的机器人交付服务,那计算机需要获得精确的导航地图。

恶意的机器学习如何破坏人工智能

2019年3月26日

2019年3月26日

人工智能安全专家Dawn Song警告称,“对抗性机器学习”可用于逆向工程系统 - 包括用于防御的系统。

图像识别没你想的那么难!看完这篇你也能成专家

2019年6月2日

2019年6月2日

本地生活场景中包含大量极富挑战的计算机视觉任务,如菜单识别,招牌识别,菜品识别,商品识别,行人检测与室内视觉导航等。

Comments
发表评论

电子邮件地址不会被公开。 必填项已用*标注