人工智能深度学习综合实践 课件 5.计算机视觉模型训练与应用-计算机视觉基本任务_第1页
人工智能深度学习综合实践 课件 5.计算机视觉模型训练与应用-计算机视觉基本任务_第2页
人工智能深度学习综合实践 课件 5.计算机视觉模型训练与应用-计算机视觉基本任务_第3页
人工智能深度学习综合实践 课件 5.计算机视觉模型训练与应用-计算机视觉基本任务_第4页
人工智能深度学习综合实践 课件 5.计算机视觉模型训练与应用-计算机视觉基本任务_第5页
已阅读5页，还剩14页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

计算机视觉模型训练与应用计算机视觉模型应用项目目标（1）了解计算机视觉领域的基本任务。（2）了解图像分类任务的常用网络。（3）能够针对应用场景训练图像分类模型。（4）能够应用图像分类模型进行预测。课堂导入计算机视觉机器视觉项目描述计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等。计算机视觉是人工智能研究的重要领域，它试图建立一个像人一样的视觉感知系统。计算机视觉主要任务就是用于识别和理解图像或视频中的内容。深度学习语义分割实例分割检测分类计算机视觉基本任务在计算机视觉领域中，最主要的四大基本任务包括分类、检测、语义分割和实例分割，下面是基本解释及相关图示。分类给定一张输入图像，图像分类任务旨在判断该图像所属类别。计算机视觉基本任务在计算机视觉领域中，最主要的四大基本任务包括分类、检测、语义分割和实例分割，下面是基本解释及相关图示。检测给定一张输入图像，目标检测任务旨在用方框框出图片内的物体和位置。计算机视觉基本任务在计算机视觉领域中，最主要的四大基本任务包括分类、检测、语义分割和实例分割，下面是基本解释及相关图示。语义分割给定一张输入图像，在框出目标的基础上，区分图像中每一点像素点。计算机视觉基本任务在计算机视觉领域中，最主要的四大基本任务包括分类、检测、语义分割和实例分割，下面是基本解释及相关图示。实例分割可精确到物体的边缘，需标注出图上同一物体的不同个体。图像分类任务常用网络ResNetDenseNetAlexNetMobileNet图像分类任务常用网络ResNet网络结构图像分类任务常用网络DenseNet网络结构图像分类任务常用网络AlexNet网络参数配置图像分类任务常用网络

MobileNet是谷歌公司针对手机等嵌入式设备提出的一种轻量级的深度神经网络，主要用于移动和嵌入式设备的视觉方面，并且其与在ImageNet分类上的其他已有模型如GoogleNet和

VGG16相比，具有强大的性能。MobileNet可以应用于多个领域，包括物体检测、分类、跟踪等。图像分类任务常用网络MobileNetV1模型的参数及说明训练垃圾分类模型实施思路01数据准备02模型加载03模型训练04模型预测知识拓展LIME算法的全称为LocalInterpretableModel-AgnosticExplanations，即与模型无关的局部可解释性算法，它支持对图像分类的结果以可视化的方式进行解释，实现步骤主要如下。步骤1：获取图像的超像素。步骤2：以输入样本为中心，在其附近的空间中进行随机采样，每次采样即对样本中的超像素进行随机“遮掩”，每个采样样本的权重和该采样样本与原样本的距离成反比。知识拓展步骤3：每个采样样本通过预测模型得到新的输出，这样得到一系列的输入X和对应的输出Y。步骤4：将X转换为超像素特征F，用一个简单的、可解释的模型来拟合F和Y的映射关系。

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论