本文介绍了机器学习的概念，包括语音识别、图像识别和围棋等应用场景。探讨了为何需要深度学习，特别是在计算机视觉领域的卓越表现。回顾了机器学习的历史，从早期的电子脑到深度学习的崛起，如SVM、随机森林，再到深度学习的复兴，如AlexNet、VGGNet和ResNet。文章最后讨论了计算机视觉的应用，如分类、定位和物体检测，并强调了深度学习在自动特征提取和避免手工特征工程方面的优势。
机器学习
1、什么是机器学习？
机器学习等价于构造一个函数。举个例子，
语音识别
f（语音）=>语音
图像识别
f（图像）=>图像类别
围棋
f（围棋）=> 下一步落子位置
对话系统
机器学习：通过算法使得机器能从大量历史数据中学习规律从而对新的样本做预测。
2.为什么我们需要深度学习?
- 在几乎所有的计算机视觉任务的比赛中夺冠(分类识别, 目标检测, 图像分隔等等)
- 可以用于不同的领域(语言识别, 下围棋, 玩游戏, 预测比赛结果, 计算机视觉等等)
- 在特定数据集特定任务上面超过普通人类的能力活跃的社区, 大量的资源计算机
- 活跃的社区, 大量的资源
- 硬件软件技术的进步提供了技术能力支撑
最低0.47元/天 解锁文章
167
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
