處理黑白辨識➜透過由黑到白0~255級來處理,因為它只會處理數字與矩陣來做計算。
處理色彩辨識➜由三原色利用三維0~255向量來表示項素顏色。
資料來源:https://hwshow-ipc.blogspot.com/2016/01/04362383-hw5.html
透過特徵提取與比對來預測物件的正確類別。
將整個圖像進行分割,相似紋理、亮度、顏色的像素集合在一起,分成Pixel Set,提取不同物件的輪廓,來界定像素集彼此之間的界線、差異與關係。
資料來源:https://imgtec.eetrend.com/blog/2019/100016983.html
利用邊界框Bounding Box的方式將物件框起來,在圖像分類的基礎上找到目標物的中心點在圖像內的哪個位置。
資料來源:https://imgtec.eetrend.com/blog/2019/100016983.html
集合了圖像分割、圖像定位與圖像辨識。
分為
➊滑動窗口法Slide Window Method
在訓練過程中,對輸入圖像利用設計好大小不同的窗口,不斷滑動利用CNN濾境功能執行圖像分類預測,依所得到分類預測最高分,認定該窗口存在那些物件。
特色:不適用及時偵測物件、地毯式全面掃描、沒有目標性
➋選擇性搜尋法Selective Search Method(SSM)
主要精神為物以類聚(相同區塊物件存在某種相似性與連續性)。
步驟:1.在輸入圖像中進行圖像分割,產生許多小區塊 2.計算小區域的相似度,將特徵最相似的小區域不斷整合起來,成為一個大區域的物件輪廓,最後再利用各種不同的CNN演算法來偵測不同區域內的物件種類為何
模型架構:
➊兩階段的物件偵測架構Two Stage
➋一階段的物件偵測架構One Stage
參考來源:人工智慧:概念應用與管理 林東清