目標(biāo)檢測和圖像分割之間的區(qū)別
圖像檢測和圖像分割有什么區(qū)別？
人工智能對于圖像處理有不同的任務(wù)。在本文中，我將介紹目標(biāo)檢測和圖像分割之間的區(qū)別。
在這兩個任務(wù)中，我們都希望找到圖像中某些感興趣的項目的位置。例如，我們可以有一組安全攝像頭照片，在每張照片上，我們想要識別照片中所有人的位置。
通常有兩種方法可以用于此：目標(biāo)檢測（Object Detection）和圖像分割（Image Segmentation）。
目標(biāo)檢測-預(yù)測包圍盒
當(dāng)我們說到物體檢測時，我們通常會說到邊界盒。這意味著我們的圖像處理將在我們的圖片中識別每個人周圍的矩形。
邊框通常由左上角的位置（2 個坐標(biāo)）和寬度和高度（以像素為單位）定義。
來自開放圖像數(shù)據(jù)集的注釋圖像。家庭堆雪人，來自 mwvchamber。在CC BY 2.0許可下使用的圖像。
|
如何理解目標(biāo)檢測 如果我們回到任務(wù)：識別圖片上的所有人，則可以理解通過邊界框進(jìn)行對象檢測的邏輯。 我們首先想到的解決方案是將圖像切成小塊，然后在每個子圖像上應(yīng)用圖像分類，以區(qū)別該圖像是否是人類。對單個圖像進(jìn)行分類是一項較容易的任務(wù)，并且是對象檢測的一項，因此，他們采用了這種分步方法。 當(dāng)前，YOLO模型（You Only Look Once）是解決此問題的偉大發(fā)明。YOLO模型的開發(fā)人員已經(jīng)構(gòu)建了一個神經(jīng)網(wǎng)絡(luò)，該神經(jīng)網(wǎng)絡(luò)能夠立即執(zhí)行整個邊界框方法！ |
|
|
當(dāng)前用于目標(biāo)檢測的最佳模型 YOLO Faster RCNN |
目標(biāo)分割-預(yù)測掩模
一步一步地掃描圖像的邏輯替代方法是遠(yuǎn)離畫框，而是逐像素地注釋圖像。
如果你這樣做，你將會有一個更詳細(xì)的模型，它基本上是輸入圖像的一個轉(zhuǎn)換。
來自開放圖像數(shù)據(jù)集的注釋圖像。家庭堆雪人，來自 mwvchamber。在CC BY 2.0許可下使用的圖像。
|
如何理解圖像分割 這個想法很基本：即使在掃描產(chǎn)品上的條形碼時，也可以應(yīng)用一種算法來轉(zhuǎn)換輸入信息（通過應(yīng)用各種過濾器），這樣，除了條形碼序列以外的所有信息在最終圖像中都不可見。 |
|
這是在圖像上定位條形碼的基本方法，但與在圖像分割中所發(fā)生的情況類似。 圖像分割的返回格式稱為掩碼:與原始圖像大小相同的圖像，但是對于每個像素，它只有一個布爾值來指示對象是否存在。 如果我們允許多個類別，它就會變得更加復(fù)雜：例如，它可以將一個海灘景觀分為三類：空氣、海洋和沙子。 |
|
|
當(dāng)下圖像分割的最佳模型 Mask RCNN Unet Segnet |
比較總結(jié)
|
對象檢測 輸入是一個矩陣(輸入圖像)，每個像素有 3 個值(紅、綠、藍(lán))，如果是黑色和白色，則每個像素有 1 個值 輸出是由左上角和大小定義的邊框列表 |
|
|
圖像分割 輸入是一個矩陣(輸入圖像)，每個像素有 3 個值(紅、綠、藍(lán))，如果是黑色和白色，則每個像素有 1 個值 輸出是一個矩陣(掩模圖像)，每個像素有一個包含指定類別的值 |
責(zé)任編輯：lq
聲明：本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用，如有內(nèi)容侵權(quán)或者其他違規(guī)問題，請聯(lián)系本站處理。
舉報投訴
-
圖像處理
+關(guān)注
關(guān)注
27文章
1337瀏覽量
58905 -
圖像分割
+關(guān)注
關(guān)注
4文章
182瀏覽量
18572 -
圖像檢測
+關(guān)注
關(guān)注
0文章
35瀏覽量
12116
原文標(biāo)題：計算機視覺：圖像檢測和圖像分割有什么區(qū)別？
文章出處：【微信號：vision263com，微信公眾號：新機器視覺】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。
發(fā)布評論請先 登錄
相關(guān)推薦
熱點推薦
工業(yè)質(zhì)檢再升級：復(fù)雜網(wǎng)絡(luò)檢測模型破解多場景檢測難題
在工業(yè)視覺檢測領(lǐng)域，缺陷類型多樣、目標(biāo)尺度差異大、圖像質(zhì)量參差不齊等問題，一直是企業(yè)提升質(zhì)檢效率的攔路虎。阿丘科技最新發(fā)布《檢測工具復(fù)雜網(wǎng)絡(luò)功能白皮書》，帶來了一款針對復(fù)雜場景的
圖像采集卡與視頻采集卡的主要區(qū)別對比
圖像采集卡和視頻采集卡的核心區(qū)別在于它們的設(shè)計目標(biāo)、處理對象和典型應(yīng)用場景。盡管名稱相似，且有時功能會有重疊（尤其是高端設(shè)備），但它們側(cè)重點不同：以下是主要區(qū)別：1.處理對象與
【正點原子STM32MP257開發(fā)板試用】基于 DeepLab 模型的圖像分割
：https://arxiv.org/pdf/1706.05587
應(yīng)用場景
自動駕駛：用于道路、車輛、行人等目標(biāo)的精確分割。
醫(yī)學(xué)影像分析：用于腫瘤、器官等區(qū)域的分割。
衛(wèi)星圖像分析
發(fā)表于 06-21 21:11
YOLOv8水果檢測示例代碼換成640輸入圖像出現(xiàn)目標(biāo)框繪制錯誤的原因 ？
\"，中的best.kmodel替換為640輸入圖像，model_input_size=[640,640]，就會出現(xiàn)目標(biāo)檢測的目標(biāo)框位置混亂，目標(biāo)
發(fā)表于 06-18 06:37
基于LockAI視覺識別模塊：C++目標(biāo)檢測
檢測是計算機視覺領(lǐng)域中的一個關(guān)鍵任務(wù)，它不僅需要識別圖像中存在哪些對象，還需要定位這些對象的位置。具體來說，目標(biāo)檢測算法會輸出每個檢測到的對
發(fā)表于 06-06 14:43
labview調(diào)用yolo目標(biāo)檢測、分割、分類、obb
labview調(diào)用yolo目標(biāo)檢測、分割、分類、obb、pose深度學(xué)習(xí)，支持CPU和GPU推理，32/64位labview均可使用。
（yolov5~yolov12）
發(fā)表于 03-31 16:28
DLPC3479圖像模式和光控制模式的區(qū)別是什么?
之間的區(qū)別？
問題三：我使用FPGA將圖像 傳送給dlpc3479進(jìn)行處理，在operating mode 中應(yīng)該選取上述哪一項？
萬分感謝
發(fā)表于 02-24 08:27
采用華為云 Flexus 云服務(wù)器 X 實例部署 YOLOv3 算法完成目標(biāo)檢測
一、前言 1.1 開發(fā)需求 這篇文章講解：?采用華為云最新推出的 Flexus 云服務(wù)器 X 實例部署 YOLOv3 算法，完成圖像分析、目標(biāo)檢測。 隨著計算機視覺技術(shù)的飛速發(fā)展，深度學(xué)習(xí)模型如
AI模型部署邊緣設(shè)備的奇妙之旅：目標(biāo)檢測模型
，目標(biāo)物體周圍復(fù)雜的背景信息可能會干擾分類結(jié)果，使得分類器難以專注于真正重要的區(qū)域。
在深入探討了圖像分類任務(wù)及其面臨的挑戰(zhàn)之后，我們現(xiàn)在將目光轉(zhuǎn)向一個更為復(fù)雜的計算機視覺問題——目標(biāo)檢測
發(fā)表于 12-19 14:33
設(shè)計帶ADC電路時，如何用模擬地與數(shù)字地進(jìn)行分割來減少數(shù)字地對模擬地的影響？
的地上進(jìn)行匯總單點連接嗎？
另外，我希望將模擬地對總電源地之間加了磁珠進(jìn)行連接，不知道這個磁珠應(yīng)該放在什么位置。（如2個圖中的磁珠的位置的區(qū)別）
發(fā)表于 12-03 07:56
無損檢測與傳統(tǒng)檢測的區(qū)別
在工業(yè)生產(chǎn)和質(zhì)量控制中，檢測技術(shù)是確保產(chǎn)品安全性和可靠性的關(guān)鍵環(huán)節(jié)。隨著技術(shù)的發(fā)展，無損檢測技術(shù)逐漸成為了許多領(lǐng)域的首選檢測手段。本文將探討無損檢測與傳統(tǒng)
手冊上新 |迅為RK3568開發(fā)板NPU例程測試
PPOCR-Det語義分割
6.7 PPOCR-System
6.8 ppseg圖像分割
6.9 ppyoloe目標(biāo)檢測
6.10 res
發(fā)表于 10-23 14:06
語義分割25種損失函數(shù)綜述和展望
本綜述提供了對25種用于圖像分割的損失函數(shù)的全面且統(tǒng)一的回顧。我們提供了一種新穎的分類法，并詳細(xì)審查了這些損失函數(shù)如何在圖像分割中被定制和利用，強調(diào)了它們的重要特征和應(yīng)用，并進(jìn)行了系統(tǒng)
畫面分割器怎么連接
器的基本原理 畫面分割器的工作原理是通過數(shù)字信號處理技術(shù)，將多個視頻信號源（如攝像頭、DVR等）的圖像數(shù)據(jù)進(jìn)行處理，然后在一個監(jiān)視器上以分割的形式顯示出來。這些分割可以是1畫面、4畫面
工商網(wǎng)監(jiān)
評論