Четкого определения нет, но мое понимание «высокоуровневых» алгоритмов больше соответствует тому, как мы классифицируем объекты в реальной жизни. Для алгоритмов обнаружения низкоуровневых функций они в основном связаны с поиском соответствующих точек между изображениями или поиском тех вещей, которые классифицируются как что-то даже отдаленно интересное на самом низком уровне, о котором вы можете думать, - такие вещи, как поиск краев или линий на изображении ( помимо поиска интересных мест конечно). Кроме того, все, что напрямую связано с интенсивностью пикселей или цветами, я бы тоже считал низкоуровневым.
Алгоритмы высокого уровня в основном относятся к области машинного обучения. Эти алгоритмы связаны с интерпретацией или классификацией сцены в целом. Такие вещи, как классификация позы тела, обнаружение лиц, классификация действий человека, обнаружение и распознавание объектов и так далее. Эти алгоритмы предназначены для обучения системы распознаванию или классификации чего-либо, а затем вы предоставляете ей какие-то неизвестные входные данные, которые она никогда не видела раньше, и ее задача состоит в том, чтобы либо определить, что происходит в сцене, либо найти интересующую область, где она обнаруживает действие, которое система обучена искать. Этот последний факт, вероятно, имеет в виду статья в Википедии. У вас будет своего рода этап предварительной обработки, на котором у вас будет некоторая высокоуровневая система, которая определяет основные области сцены, где происходит что-то важное. Затем вы применили бы низкоуровневые алгоритмы обнаружения функций в этой локализованной области.
Обо всем этом рассказывается на отличном семинаре по компьютерному зрению высокого уровня, и вы можете найти слайды и примеры кода здесь: https://www.mpi-inf.mpg.de/departments/computer-vision-and-machine-Learning/Teach/курсы/ss-2019-high-level-computer-vision/
Удачи!
person
rayryeng
schedule
27.10.2014
