计算机视觉 01（介绍）

一、深度学习

1.1 人工智能

1.2 人工智能，机器学习和深度学习的关系

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，也就是说深度学习是实现机器学习的一种方法。与机器学习算法的主要区别如下图所示[参考：黑马]:

• 传统机器学习算术依赖人工设计特征，并进行特征提取
• 深度学习方法不需要人工，而是依赖算法自动提取特征

深度学习模仿人类大脑的运行方式，从经验中学习获取知识。这也是深度学习被看做黑盒子，可解释性差的原因。随着计算机软硬件的飞速发展，现阶段通过深度学习来模拟人脑来解释数据，包括图像，文本，音频等内容。目前深度学习的主要应用领域有: 语音识别，计算机视觉，自动驾驶

卷积神经网络(Convolutional Neural Network)
循环神经网络(Recurrent Neural Network)

生成对抗网络(Generative Adversarial Networks)
深度强化学习(Deep Reinforcement Learning)

1.3 深度学习发展

• 深度学习所需要的神经网络技术起源于20世纪50年代，叫做感知机。

当时也通常使用