Мое резюме и важные заметки из научных статей и книг
В этом разделе я напишу резюме и важные части статей, которые я недавно прочитал. Основные темы на данный момент:
Методы глубокого обучения и машинного обучения для анализа изображений, включая семантическую сегментацию и сегментацию экземпляров.
Этот набор данных является одним из самых популярных наборов данных для семантической сегментации изображений. Задача VOC (с 2006 года по настоящее время) состоит из двух частей: одного общедоступного набора данных изображений (полученного с веб-сайта Flicker) и одного ежегодного конкурса и семинара. Интересная характеристика набора данных VOC, которая сделала его очень известным, — это пять различных задач:
1) Классификация, 2) Обнаружение, 3) Сегментация, 4) Классификация действий и 5) Планировка человека.
Изображения одинаковы для каждой задачи, а наземные аннотации различны. Если кто-то хочет принять участие в ежегодном соревновании, существует стандартизированное программное обеспечение для оценки в формате Matlab. В этой статье авторы исследовали алгоритмы-победители (ядра) конкурса с 2008 по 2012 год. Таблицу лидеров этого конкурса можно найти здесь:
http://host.robots.ox.ac.uk:8080/leaderboard/main_bootstrap.php
Вообще версий этого датасета много: VOC2010, VOC2012 и так далее, но самая известная — 2012 года. Это означает, что мы можем использовать его сейчас в 2019 году, и вы не должны считать набор данных старым.
Продолжение скоро…
