Advancement of Deep Learning and Its Applications in Object Detection and Recognition
La détection d'objets est un problème fondamental d'identification visuelle dans le domaine de la vision par ordinateur, qui a été largement exploré au fil des ans. La détection visuelle d'objets vise à découvrir des objets appartenant à des classes cibles spécifiques dans une image donnée avec une grande précision et à appliquer une étiquette de classe à chaque instance d'objet. Les stratégies de reconnaissance d'objets basées sur l'apprentissage profond ont été intensivement étudiées ces dernières années en raison du succès remarquable de la catégorisation d'images basée sur l'apprentissage profond.
Dans ce livre, nous examinons en détail les architectures des détecteurs, l'apprentissage des caractéristiques, la génération de propositions, les stratégies d'échantillonnage et d'autres questions qui affectent les performances de détection.
Le livre décrit toutes les nouvelles solutions proposées, mais passe en revue les principes fondamentaux afin que les lecteurs puissent voir plus rapidement ce qui se fait de mieux dans le domaine. En outre, contrairement aux publications antérieures sur la détection d'objets, ce projet analyse de manière systématique et exhaustive les méthodes d'identification d'objets basées sur l'apprentissage profond, et présente également les solutions de détection les plus récentes ainsi qu'un ensemble de tendances de recherche notables.
Le livre se concentre principalement sur une discussion étape par étape, un examen approfondi de la littérature, une analyse et une discussion détaillées, et des résultats d'expérimentation rigoureux. En outre, une approche pratique est présentée et encouragée.
© Book1 Group - tous droits réservés.
Le contenu de ce site ne peut être copié ou utilisé, en tout ou en partie, sans l'autorisation écrite du propriétaire.
Dernière modification: 2024.11.14 07:32 (GMT)