精品久久久久久久久久久久久国语,欧美性做久久久久久久,亚洲福利欧美日韩午夜一区,精品久久影院66精品99

近年來，計算機視覺領域的優(yōu)秀算法層出不窮，以下擇要簡介研究使用的一些模型。

（1）VGG

2014年，牛津大學計算機視覺組和谷歌公司的研究員聯合研發(fā)出一種新的深度卷積神經網絡，即VGGNet，并獲得當年ILSVRC分類比賽的亞軍。VGGNet分為VGG16和VGG19：VGG16通過13層3×3的卷積網絡和3層全連接網絡構建，VGG19則通過16層3×3的卷積網絡和3層全連接網絡構建。VGG19被廣泛應用于不同行業(yè)的圖像特征提取領域。

（2）Resnet

深度殘差網絡（Residual Network, ResNet）是過去幾年中計算機視覺領域頗具開創(chuàng)性的工作。因其強大的表征能力，除圖像分類以外，包括目標檢測和人臉識別在內的許多計算機視覺應用都得到了性能提升。ResNet101是其中的一種網絡堆疊方式，101層網絡指齊總的卷積或全連接層數目。

（3）SIFT

尺度不變特征轉換（Scale-invariant feature transform，SIFT）是一種用來偵測與描述影像局部性特征的重要算法，由 David Lowe在1999年所發(fā)表，并于2004年總結完善。SIFT算法主要用于處理兩幅圖像之間發(fā)生平移、旋轉、仿射變換情況下的匹配問題。

（4）Mask R-CNN

Mask R-CNN是華人學者何愷明提出的一種簡潔、靈活的圖像實例分割框架，用于判斷圖像中不同目標的類別和位置，并可做出像素級預測。該算法不僅能夠有效地檢測圖像中的目標，而且還能為每個實例生成一個高質量的分割掩碼。