1. 首頁 > 云知道 > >

ilsvrc,遭reddit網友質疑( 二 )

云知道質疑


因此人體骨骼關鍵點檢測是諸多計算機視覺任務的基礎，例如動作分類，異常行為檢測，以及自動駕駛等等 。近年來，隨著深度學習技術的發展，人體骨骼關鍵點檢測效果不斷提升，已經開始廣泛應用于計算機視覺的相關領域 。本文主要介紹2D人體骨骼關鍵點的基本概念和相關算法，其中算法部分著重介紹基于深度學習的人體骨骼關鍵點檢測算法的兩個方向，即自上而下（Top-Down）的檢測方法和自下而上（Bottom-Up）的檢測方法 。
相應算法的詳細介紹大家可以關注我頭條號之前發布的文章.文字識別OCROCR（Optical Character Recognition, 光學字符識別）傳統上指對輸入掃描文檔圖像進行分析處理，識別出圖像中文字信息 。場景文字識別（Scene Text Recognition，STR） 指識別自然場景圖片中的文字信息 。
我這里主要介紹難度更大的場景文字識別的發展.自然場景圖像中的文字識別，其難度遠大于掃描文檔圖像中的文字識別，因為它的文字展現形式極其豐富：·允許多種語言文本混合，字符可以有不同的大小、字體、顏色、亮度、對比度等 。·文本行可能有橫向、豎向、彎曲、旋轉、扭曲等式樣 ?！D像中的文字區域還可能會產生變形(透視、仿射變換)、殘缺、模糊等現象 。
·自然場景圖像的背景極其多樣 。如文字可以出現在平面、曲面或折皺面上；文字區域附近有復雜的干擾紋理、或者非文字區域有近似文字的紋理，比如沙地、草叢、柵欄、磚墻等 。文字識別其實主要包含兩個步驟, 文字檢測與文字識別, 但是近年來也有出現了以CRNN(具體可以關注華中科大白翔老師的研究)為代表的一步到位的端到端的識別模型,效果也還不錯.文本檢測工作目前可以大致分為三類：一是基于分割的思想，通過分割網絡提取文本區域，然后采取一些后處理方法獲取邊界框 。
代表性的工作是發表在CVPR2016的“Multi-oriented text detection with fully convolutional networks”;二是基于候選框的思想，直接用一個神經網絡來檢測文本邊界框 。代表性的工作是發表在CVPR2016的“Synthetic data for text localization in natural images”;三是混合思想，它采用多任務學習的框架，結合了分割和邊界框檢測的方法 。
代表性的工作是發表在ICCV2017的“Deep Direct Regression for Multi-Oriented Scene Text Detection” 。而文字識別大致分為兩類思路：其一是從單詞或字符層面入手，設計單詞分類器或字符分類器，將每一個單詞或字符作為一類目標，進行多類別分類任務 。
而近來循環神經網絡大放異彩，它可以將文本識別看作一個序列標簽問題，并能夠直接輸出標簽序列 。因此，第二種思路從序列層面入手，將文本看作一個字符序列，通過設計序列特征提取器,結合循環神經網絡（RNN）和CTC模型，將文本序列作為一個整體進行識別 。目前OCR方面比較經典的算法有CTPN,RRPN,DMPNet,SegLink,TextBoxes,FTSN,WordSup等, 具體可以關注我頭條號,我后面會推出詳細介紹.總結以上內容總結了目前計算機視覺方向比較流行的方向,以及一些經典的算法.能力有限,難免有總結的不到位地方,歡迎指正.最后,歡迎大家關注我的頭條號,會有大量深度學習相關資源不間斷放送. 。
傳統的CNN為什么深度越深的時候效果不好，殘差網絡卻可以克服這問題？

ilsvrc,遭reddit網友質疑


至少針對圖像規模而言，首先一個共鳴就是：搜集越深了局越好，比方本年ILSVRC2015的MSRA秒天秒地的成效可見一斑 。而傳統的深層神經搜集是做不到這么深的，一個首要緣故原由就是剃度會彌散可能爆炸 。怎么休止傳統深層神經搜集中呈現的剃度彌散可能爆炸能夠參照batch normalization等要領 。今朝常用的深層神經搜集之以是比之前的好，如CNN，大年夜略說來就是：（1）權值共享使得模型越發大年夜略，泛化伎倆更強；（2）局部毗鄰使得對feature的抽象歷程大年夜大年夜裁減了對空間干系性對依靠，使得模型對樣本的畸變不敏感（如改變、扭曲等） 。

推薦閱讀