【OpenMMLab实战营打卡 - 第 2 课】图像分类和基础视觉模型

图像是像素构成的数组。

收集数据-定义模型-训练-预测       图像是像素构成的数组。

收集数据-定义模型-训练-预测图片

 

特征工程：设计算法找图像的方向梯度，找到图像的基本特征，保留了一些信息

这种方法在2011年以前是主流的，但是达到了一个瓶颈

 

深度学习：学习如何产生适合分类的特征

实现一步特征提取：

卷积 卷积神经网络

       特征图像和图像一样有二维结构，，后层特征为空间邻域内前层特征的加权求和。

多头注意力 Transformer

2012年的AlexNet首次使用深度学习方法，把图像分类质量提高了一个层次

2014 VGG Google Net 增加网络层数提升精度

       VGG把卷积核从5x5->3x3

       GN 使用了一个Inception的模块，节省了很多参数

但是增加卷积层不能无限增加，有瓶颈

 

残差学习

ResNet 以VGG为基础，保持多级结构，增加层数，增加跨层连接

ResNet是CV领域影响力最大，使用最广泛的模型结构，获得CVPR2016最佳论文奖

为什么ResNet这么强？

1.      是深浅模型的集成，残差网络每添加一个块，都会是路径翻倍

2.      残差链接让损失曲面更平滑