计算机视觉基础

SOTA

SOTA,是++State Of The Art++ 的缩写。

SOTA model:++state-of-the-art model++ ,指在该项研究任务中,目前最好或最先进的模型,并不是特指某个具体的模型。

SOTA result:++state-of-the-art result++,指在该项研究任务中,目前最好模型的结果或性能或表现。

FPS

FPS,是 ++Frames Per Second++的缩写。

更高的帧率并不意味着更高的视频质量。但是,使用高帧率的摄像机可以获得更流畅的视频。

60 FPS的帧数是 30 FPS素材的两倍。相比30 FPS,以 60 FPS 的速度拍摄可以更加流畅和清晰。每秒 60 帧可以显示复杂的细节,适用于慢动作视频,而每秒 30 帧则适合电视节目、新闻和体育节目。

SSIM

SSIM,是 ++structural similarity index++的缩写。

结构相似性指数 (SSIM)是一种用于量化两幅图像间的结构相似性的指标。与L2损失函数不同,SSIM仿照人类的视觉系统(Human Visual System,HVS)实现了结构相似性的有关理论,对图像的局部结构变化的感知敏感。SSIM从亮度、对比度以及结构量化图像的属性,用均值估计亮度,方差估计对比度,协方差估计结构相似程度。SSIM值的范围为0至1,越大代表图像越相似。如果两张图片完全一样时,SSIM值为1。

PSNR

PSNR,是 ++Peak Signal to Noise Ratio++的缩写。

峰值信噪比 (PSNR)是一种评价图像质量的度量标准。PSNR具有局限性,只是衡量最大值信号和背景噪音之间的图像质量参考值。PSNR单位为dB,其值越大,图像失真越少。

PSNR高于40dB,说明图像质量几乎与原图一样好。

在30至40dB间,说明图像质量的失真损失在可接受范围内。

在20至30dB间,说明图像质量比较差。

PSNR低于20dB,说明图像失真严重。

LPIPS

LPIPS,是 ++Learned Perceptual Image Patch Similarity++的缩写。

学习感知图像块相似度 (LPIPS)也称为"感知损失"(perceptual loss),用于度量两张图像之间的差别。该度量标准学习生成图像到Ground Truth的反向映射强制生成器学习从假图像中重构真实图像的反向映射,并优先处理它们之间的感知相似度。LPIPS 比传统方法(比如:L2/PSNR, SSIM, FSIM)更符合人类的感知情况。LPIPS的值越低表示两张图像越相似,反之,则差异越大。

相关推荐
批量小王子8 小时前
2025-07-15通过边缘线检测图像里的主体有没有出血
人工智能·opencv·计算机视觉
昵称是6硬币11 小时前
(RT-DETR)DETRs Beat YOLOs on Real-time Object Detection论文精读(逐段解析)
图像处理·人工智能·深度学习·目标检测·计算机视觉·transformer
天选之女wow14 小时前
【Gaussian Haircut论文】在Deepseek和Chatgpt的帮助下慢速了解核心方法
人工智能·深度学习·计算机视觉·3d
小阿技术14 小时前
本地电脑安装Dify|内网穿透到公网
人工智能·计算机视觉·docker·目标跟踪·flask·dify
Java与Android技术栈20 小时前
macOS 为 Compose Desktop 构建跨平台图像库:OpenCV + libraw + libheif 实践
人工智能·opencv·macos·计算机视觉
CoovallyAIHub21 小时前
超越YOLOv8!无参注意力+动态ROI的YOLO-APD突破复杂道路场景
深度学习·算法·计算机视觉
光场视觉1 天前
基于光场相机的激光增材制造熔池温度场原位多眼监测
计算机视觉·制造·光场相机·光场
点云SLAM1 天前
TensorFlow 和PyTorch的全方位对比和选择建议
人工智能·pytorch·计算机视觉·tensorflow·深度学习框架·ai部署·ai环境平台
千宇宙航1 天前
闲庭信步使用图像验证平台加速FPGA的开发:第十四课——图像二值化的FPGA实现
图像处理·计算机视觉·fpga开发
橡晟1 天前
深度学习入门:让神经网络变得“深不可测“⚡(二)
人工智能·python·深度学习·机器学习·计算机视觉