2023-10-5 学习笔记

文章探讨了大学时期高效学习的经验,强调基础知识的体系化,以及计算机视觉中专业术语的应用。同时,讨论了深度学习与传统方法在特定场景下的优劣,如实时性、可解释性和可控性。作者提倡在实际工作中结合传统算法与深度学习,针对具体场景定制解决方案。
摘要由CSDN通过智能技术生成

 今日感悟

“效率”:

记得上大学时老师说过,周五晚上夜自习效率是最高的。可能这个时候人心态比较放松吧,

额外的学习,额外的收获。

假期抽空学习,应该也是这个道理。


今日学习内容

今日学习内容
1.​计算机视觉专业术语总结:构建计算机视觉的知识体系

摘要:

本文概述了计算机视觉领域的关键术语,例如主干、头部、颈部、预处理、后处理、嵌入、特征图、池化和语义信息。它解释了这些术语在构建计算机视觉知识库时的概念和意义。

感想:

基础知识始终需要加强,并形成体系。前几年过于关注软件和产品的流程,后续要逐步把精力重点花到深度学习的基础知识掌握上来。对于算法在场景的优化,确实依赖于对基础知识的牢固掌握。

后续团队的算法的应用,拿来主义已经不够了,需要花更多精力去提升在公司场景的算法效果,如果没有强大的知识基础来支撑,很难达到一个比较理想的效果。

2.​​​​​​​有哪些深度学习效果不如传统方法的经典案例? - 知乎

摘要:

“在工业界,一般在三种情况下传统方法会胜过深度学习。当计算速度有实时要求但是计算资源很有限时,当可解释性是非常重要指标时,当可控性非常关键时,传统方法一般会优先被选择。下面我来举几个经典案例。”

感想:

就图像领域,传统算法和深度学习算法如何结合,鄙人也算有点心得。

有些场景,适合全部用传统算法。

有些场景,适合全部用深度学习。

而有些场景,就得传统+深度。

传统算法对于外观成像缺陷检测来说,规格卡控和量化处理非常适合

而深度学习算法,则适合于定性。

做这个两个算法,一定要用不同的思路,深度学习算法需要用更直观的思路去考虑问题。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值