深度学习、语义分割和检测
深度学习和卷积网络、语义图像分割、目标检测、识别、地面真值标注、特征包、模板匹配和背景估计
计算机视觉工具箱™ 支持多种图像分类、对象检测和识金宝app别方法，包括：
深度学习和卷积神经网络（CNN）
特征包
模板匹配
斑点分析
Viola-Jones算法
用于地面真相标记的交互式应用程序
CNN是一种流行的深度学习体系结构，它可以直接从图像数据中自动学习有用的特征表示。特征包将图像特征编码成适合于图像分类和图像检索的紧凑表示。模板匹配使用小图像或模板在大图像中查找匹配区域。Blob分析使用分段和Blob属性来识别感兴趣的对象。Viola-Jones算法使用类似Haar的特征和层叠的分类器来识别对象，包括人脸、鼻子和眼睛。您可以训练这个分类器来识别其他对象。
- 图像和视频标签
互动图像和用于物体检测，语义分割，以及图像分类视频标签 - 语义分割
语义图像分割 - 基于深度学习的目标检测
使用卷积神经网络（CNNs或ConvNets）执行分类、目标检测、传输学习 - 基于特征的目标检测
检测人脸和行人，创建定制的检测器 - 图像分类与图像检索
创建的图像分类和基于内容的图像检索（CBIR）系统视觉词袋 - 光学字符识别（OCR）
基于光学字符识别的文本识别
特色示例
也可以从以下列表中选择网站：
