0


点标注、像素级视觉任务、Ground Truth

像素级视觉任务:需要对每个像素进行精确标记的像素级任务,例如语义分割中的类别掩码和图像去噪中的干净图片。
图像级视觉任务:常规的使用框标注的任务,都认为是图像级视觉任务。
Label Generation:标签生成,从更高层次的说监督学习需要制定标签,那接着就是开始annotation,annotation中涉及多种类型的标注方式。
annotation:标注,即为为监督学习提供标签信息。
Bounding-box Label:就是框标注,我经常在YOLO目标检测中使用的标注方法。
Density Map:密度图标注
Point/Dot Map:点标注
RAZ’s Cruciform Label:十字标注
Independent Instance Map :独立实例图标注,也可以理解为二值化标注。
在这里插入图片描述
Ground Truth:把它理解为真值、真实的有效值或者是标准的答案.
图像的尺度 :这里图像的尺度并非指图像的大小,而是指图像的模糊程度(σ) ,例如,人近距离看一个物体和远距离看一个物体模糊程度是不一样的,从近距离到远距离图像越来越模糊的过程,也是图像的尺度越来越大的过程。
backgrounds:干扰目标识别的区域的像素。
前景:目标对象存在的区域
二值图像:将前景和背景转化成0或者1数值的图像。
Metrics:指标


本文转载自: https://blog.csdn.net/zhibing_ding/article/details/125215800
版权归原作者 foda-dingzhibing 所有, 如有侵权,请联系我们删除。

“点标注、像素级视觉任务、Ground Truth”的评论:

还没有评论