ScholarGate
Assistant

Vision

46 méthodes dans cette famille.

À la une

Soustraction de fondBackground subtraction is a video processing technique that separates moving foreground objects from a static or slowly changing background by comparing each frame to a learned or Détection de blobsBlob detection is a technique for identifying regions of interest (blobs)—connected, homogeneous areas that differ from their surroundings—at multiple scales. Introduced by LindebeDétection de contours par CannyThe Canny edge detector, introduced by John Canny in 1986, is a multi-stage algorithm for identifying edges in digital images where significant intensity changes occur. Canny's metClassification d'images par CNNCNN image classification uses deep convolutional architectures such as ResNet (He et al., 2016), VGG and EfficientNet (Tan & Le, 2019) to sort images into categories. Stacked convoAnalyse de contoursContour analysis is the process of detecting and analyzing the boundaries of objects in images by identifying connected edges and extracting shape information. The Suzuki-Abe algorDETR (Detection Transformer)DETR (Detection Transformer) is an end-to-end framework for object detection introduced by Carion et al. in 2020 that reformulates detection as a direct set prediction problem usin

Parcours de lecture

Les méthodes fondamentales les plus citées de ce thème, dans l'ordre de leur développement — un point de départ si vous débutez ici.

  1. Opérations morphologiques d'image1982par Jean Serra
  2. Analyse de contours1985par Satoshi Suzuki and Keiichi Abe
  3. Détection de coins de Harris1988par Chris Harris and Mike Stephens
  4. Détection de blobs1998par Tony Lindeberg
  5. Apprentissage par transfert pour la classification d'images2010–2012par Pan, S. J. & Yang, Q. (transfer learning framework); Krizhevsky, Sutskever & Hinton (deep CNN backbone)
  6. Classification d'images2012 (deep CNN era); conceptual roots 1989 (LeCun)par Krizhevsky, A.; Sutskever, I.; Hinton, G. E.
  7. Détection d'objets2014–2016par Girshick, R. et al. (R-CNN); Redmon, J. et al. (YOLO)
  8. Segmentation sémantique2015par Long, J., Shelhamer, E., & Darrell, T.
toutes les méthodes de ce rayon ↓

Toutes les méthodes 46

Soustraction de fondDétection de blobsDétection de contours par CannyClassification d'images par CNNAnalyse de contoursDETR (Detection Transformer)Classification d'images adaptative au domaineClassification d'images explicableDétection d'objets explicableSegmentation Sémantique ExplicableDétection d'objets à peu d'exemplesClassification d'images par réglage finSegmentation sémantique fine-tunéeRéseau entièrement convolutionnel (FCN)Détection de coins de HarrisÉgalisation d'histogrammeHough TransformClassification d'imagesOpérations morphologiques d'imageFlux optique de Lucas-KanadeMask R-CNN : segmentation d'instances avec des masques au niveau du pixelClassification d'images multilingueSegmentation sémantique multilingueClassification d'images multimodalesDétection d'objets multimodaleSegmentation sémantique multimodaleDétection d'objetsDescripteur de caractéristiques ORBClassification d'images basée sur les pixelsThéorie de l'espace d'échelleClassification d'images auto-superviséeDétection d'objets auto-superviséeSegmentation sémantique auto-superviséeSegmentation sémantiqueClassification d'images semi-superviséeDétection d'objets semi-superviséeSegmentation sémantique semi-superviséeDétection de caractéristiques SIFTCorrespondance stéréoscopiqueApprentissage par transfert pour la classification d'imagesApprentissage par transfert avec détection d'objetsSegmentation par ligne de partage des eauxClassification d'images faiblement superviséeDétection d'objets faiblement superviséeSegmentation Sémantique Faiblement SuperviséeYOLO (You Only Look Once)