人工智能-4计算机视觉和图像处理01
深度学习简介
机器学习是实现人工智能的一种途径，深度学习是机器学习的一个子集
深度学习相比于机器学习，少了‘手动特征提取’部分，交给网络来处理
深度学习流程：数据输入–训练模型（在数据中学习）–输出预测
- 机器学习：输入-特征工程-训练分类/回归器–输出
- 深度学习：输入 - 算法（分类器）–输出
图像处理、语音识别、机器翻译、拍照翻译、自动驾驶
内容：深度学习框架TensorFlow应用，深度神经网络
深度学习发展关键点
1989：反向传播（计算机硬件资源不够给力）
2012：李飞飞imageNet数据集，举行竞赛 ，首次使用深度学习
2019：transformer
计算机视觉（CV）
1，定义
计算机视觉是指用摄像机和电脑及其他相关设备，对生物视觉的一种模拟。主要任务是让计算机理解图片或者视频中的内容，就像人类和许多其他生物每天所做的那样。
2，任务
任务拆分：让计算机理解图片中的
- 场景（办公室，客厅等）
- 物体（动物，人等）
- 定位物体在图像中的位置（物体的大小，边界等）
- 物体间的关系或行为（对话，比赛，吵架等），以及图像表达的意义（悲伤的，喜庆的等）
OpenCv主要是前期工作，对图片处理
计算机视觉三大经典任务：图像分类、目标检测、图像分割
- 图像分类：区分是猫是狗
- 目标检测：关注特点的物体目标，获取这一目标的类别信息和位置信息
- 图像分割：如无人驾驶中对道路和非道路的分割
3，历史
2012年前 – 基于传统方法
2012年后 – DL在CV遍地开花