深度学习与计算机视觉—入门之名词解释

                                                       落日无边江不尽，此身此日更须忙
                                      今日正式踏入深度学习之路，路漫漫兮，学不成誓不还。

1、假彩色图像：

    假彩色增强所处理的图像通常是一幅自然彩色图像或同一景多光谱图像。利用假彩色合成的图像称为假彩色图像，它是彩色增强图像的一种。利用假彩色图像可以突出相关专题信息，提高图像视觉效果，从图像中提取更有用的定量化信息。通过假彩色处理的图像，可以获得人眼所分辨不出、无法准确获得的信息，便于地物识别，提取更加有用的专题信息。

2、纹理合成：

   基于样图的纹理合成(texture synthesis from samples，TSFS))技术是近几年迅速发展起来的一种新的纹理拼接技术，它基于给定的小区域纹理样本，按照表面的几何形状，拼合生成整个曲面的纹理，它在视觉上是相似而连续的。TSFS技术可以克服传统纹理映射方法的缺点，又避免了过程纹理合成调整参数的繁琐，因而受到越来越多研究人员的关注，成为计算机图形学、计算机视觉和图像处理领域的研究热点之一。利用TSFS技术还可以进行纹理填充(如修补破损的图片，重现原有图片效果)，纹理传输，扩展到时域则可以用一短段视频图像，生成任意长度的非重复的视频动画等。所以纹理合成技术在图像编辑、数据压缩、网络数据的快速传输、大规模场景的生成以及真实感和非真实感绘制等方面具有广泛的应用前景。

3、CAN：

   即生成对抗网络，主要包含两个模块：生成器（Generative Model）和判别器（Discriminative Model）。生成模型和判别模型之间互相博弈、学习产生相当好的输出。以图片为例，生成器的主要任务是学习真实图片集，从而使得自己生成的图片更接近于真实图片，以“骗过”判别器。而判别器的主要任务是找出出生成器生成的图片，区分其与真实图片的不同，进行真假判别。在整个迭代过程中，生成器不断努力让生成的图片越来越像真的，而判别器不断努力识别出图片的真假。这类似生成器与判别器之间的博弈，随着反复迭代，最终二者达到了平衡：生成器生成的图片非常接近于真实图片，而判别器已经很难识别出真假图片的不同了。其表现是对于真假图片，判别器的概率输出都接近 0.5。

4、DCGAN：DCGAN的全称是Deep Convolution Generative Adversarial Networks(深度卷积生成对抗网络)，是2014年Ian J.Goodfellow 的那篇开创性的GAN论文之后一个新的提出将GAN和卷积网络结合起来，以解决GAN训练不稳定的问题的一篇paper.解读地址

5、CNN：即卷积神经网络，详细介绍看这里卷积神经网络总结

6、池化层与卷积层的理解：池化层与卷积层

7、生成模型与判别模型参考博客