自从人工智能深入我们生活的方方面面,我们的生活就越来便利,同时人工智能推动技术创新,带动经济实现巨大的飞跃,人工智能之所以能够在短时间取得革命性的进步,不得不提机器学习,而机器学习又包括多个分类,例如机器学习,强化学习,对抗学习,对偶学习,迁移学习,分布式学习,以及元学习。
深度学习
深度学习不同于传统的机器学习的方法,深度学习是一类端到端的学习方法,基于多层的非线性神经网络,深度学习可以conf原始数据直接学习,自动抽取特征并逐层抽象,最终实现目的,深度学习的推动下,人类在计算机视觉,语音处理,自然语言方面取得了突破。
在不断的发展过程中,许多不同的深度神经网络结构被提出,例如卷积神经网络,被广泛应用于计算机视觉如图像分类,物体识别,图像分割,视频分析等等,近日南开大学提出最新边缘检测和图像过分割,并且已经开源。
一直以来是计算机视觉学习中一个不能忽视的点,在过去的研究中,卷积神经网络方法推动该领域不断的发展,但是现有的方法中却存在一些缺点,由于已经确定了使用层数的卷积神经网络,因为图像尺度和纵横比的影响,无法对更为复杂的数据模型进行提取,南开大学的提出的RCF(Richer convolution features, RCF)就在一定程度上解决了这个问题,它的核心是保留了每个stage里面的所有的conv层。