近日来学习机器视觉有感（一）

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。