Main Content

이 번역 페이지는 최신 내용을 담고 있지 않습니다. 최신 내용을 영문으로 보려면 여기를 클릭하십시오.

인식, 객체 검출 및 의미론적 분할

특징을 사용한 인식, 분류, 의미론적 영상 분할, 객체 검출과 CNN, YOLO v2, SSD를 사용한 딥러닝 객체 검출

Computer Vision Toolbox™는 영상 분류, 객체 검출, 의미론적 분할, 인식을 위해 여러 가지 접근 방법을 지원하며, 여기에는 다음이 포함됩니다.

  • 딥러닝 및 컨벌루션 신경망(CNN)

  • Bag-of-features

  • 형판 매칭

  • 블롭 분석

  • Viola-Jones 알고리즘

CNN은 영상 데이터에서 직접 유용한 특징 표현을 자동으로 학습하는 널리 사용되는 딥러닝 아키텍처입니다. Bag-of-features는 영상 특징을 영상 분류 및 영상 검색에 적합한 압축 표현으로 인코딩합니다. 형판 매칭은 작은 영상, 즉 형판을 사용하여 더 큰 영상에서 일치하는 영역을 찾습니다. 블롭 분석은 분할 및 블롭 속성을 사용하여 관심 객체를 식별합니다. Viola-Jones 알고리즘은 유사 하르 특징(Haar-like feature) 및 종속 연결 분류기를 사용하여 얼굴, 코, 눈 등의 객체를 식별합니다. 다른 객체를 인식하도록 이 분류기를 훈련시킬 수 있습니다.

범주

  • 의미론적 분할
    의미론적 영상 분할
  • 객체 검출
    컨벌루션 신경망(CNN 또는 ConvNet)을 사용하여 분류, 객체 검출, 전이 학습 수행, 사용자 지정된 검출기 만들기
  • 광학 문자 인식(OCR)
    광학 문자 인식을 사용하여 텍스트 인식
  • 영상 범주 분류
    영상 분류 및 콘텐츠 기반 영상 검색(CBIR) 시스템을 위한 bag-of-visual-words 만들기
  • 비디오 분류
    딥러닝을 사용하여 비디오 분류 및 동작 인식 수행