【名词梳理】计算机视觉(CV)相关名词系统解读
2020-04-25 18:41
806 查看
大纲
按照不同层级进行梳理,同时对具体内容进行整理,尽量做到中英对应,方便查看外文文献和GIthub项目。
概念和他们的关系
- 人工智能(Artificial Intelligence, AI):最上位概念
- 机器学习(Machine Learning):机器学习是一种实现人工智能的方法
- 监督学习(Supervised Learning):机器学习的一种,需要已经标记好的数据集进行学习,相当于对着答案学习
- 无监督学习(Unsupervised Learning):机器学习的一种,对无标记、无先验知识的数据也能进行处理,好比是自己琢磨学习
- 深度学习(Deep Learning):是一种实现机器学习的技术,后来神经网络的出现改变了这一从属局面,形成了传统算法(例如回归,聚类等)为代表的机器学习和神经网络为基础的深度学习二者并立的局面
- 神经网络(Neural Network):分层对决策赋予权重的一种网络状结构,模拟人脑的思维模式
框架(frameworks)
框架是神经网络的基础,可以简单理解成是一系列定义好的函数,在框架的基础上搭建神经网络,配合一些其他的处理策略,最后打包生成有名字的算法。所以我们看到的算法都是和它们使用的框架挂钩的,比如YOLO最初的框架是darknet,后来随着需求的广泛,移植到Kears和其他框架上。也分为深度学习框架和传统机器学习框架,比如scikit-learn。
- Tensorflow:谷歌家的,老牌,有最多的岗位
- pytorch:最近逐渐变热,在GPU环境下提供了类似numpy的功能
- Kears:全部由python语言写成,属于框架中的“高级语言”,预留API,号称10行以内搭建神经网络。
模型(models)
可以理解成人的脑子,毕竟机器学习是在进行“学习”,而这一过程我们称之为训练(train)。初始的模型我们可以理解成婴儿的脑子,一片空白,而训练好的模型可以理解成成人的脑子,对训练的内容有较好的反馈,训练的更好的模型可以理解成爱因斯坦的脑子,得出结果更准确,识别的东西更多。
数据集(dataset)
字面意思,一堆带有标注(annotation)的数据的集合,可以人为划分为训练集和测试集。计算机视觉使用到的数据集基本都是图片,标注则包含边界、坐标、语义等多种信息。当然,每种数据集也有同名比赛。
- MS COCO:微软的图像数据集,不是奶茶
- Pascal VOC + 年份:同样也是包含了分类和检测信息的一堆图片
未完待续,作者是刚刚接触的小白,发些博客只是防止自己把做过的事情忘掉,同时也是给自己的一种鞭策,加油啊!
- 点赞
- 收藏
- 分享
- 文章举报
相关文章推荐
- 关于计算机视觉(ComputerVision, CV)相关领域的网站链接
- 计算机视觉(ComputerVision, CV)相关领域的网站链接
- 计算机视觉(ComputerVision, CV)相关领域的站点链接
- CV牛人 计算机视觉相关会议资源1
- 关于计算机视觉(ComputerVision, CV)相关领域的网站链接
- 计算机视觉(ComputerVision, CV)相关领域的网站链接
- 计算机视觉相关领域的网站链接,其中有CV牛人的主页,CV研究小组的主页,CV领域的paper,代码,CV领域的最新动态,国内的应用情况等等。
- 计算机视觉(ComputerVision, CV)相关领域的网站链接
- 计算机视觉(ComputerVision, CV)相关领域的网站链接
- 计算机视觉/图像处理领域相关研究机构梳理
- 关于计算机视觉(ComputerVision, CV)相关领域的网站链接
- CV牛人 计算机视觉相关会议资源
- (转载)计算机视觉(ComputerVision, CV)相关领域的网站链接
- 计算机视觉(ComputerVision, CV)相关领域的网站链接
- 国内外从事CV相关的企业 (计算机视觉)
- 计算机视觉(ComputerVision, CV)相关领域的网站链接
- 计算机视觉(ComputerVision, CV)相关领域的网站链接
- 计算机视觉(ComputerVision, CV)相关领域的网站链接
- 计算机视觉(ComputerVision, CV)相关领域牛人的网站链接
- 计算机视觉、机器学习相关领域论文和源代码大集合