您的位置:首页 > 理论基础

【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
ConTroleR99 发布了3 篇原创文章 · 获赞 0 · 访问量 421 私信 关注
内容来自用户分享和网络整理,不保证内容的准确性,如有侵权内容,可联系管理员处理 点击这里给我发消息
标签: