（Aliyun AI ACP 19）知识点：机器视觉常用算法原理与异同

阿里云人工智能工程师ACP认证考试知识点辅助阅读

（Aliyun AI ACP 19）知识点：机器视觉常用算法原理与异同

机器视觉深度学习算法

卷积神经网络 (CNN)

作用与原理：
CNN 在机器视觉中主要用于图像识别、图像分类、目标检测等多种任务。其基本原理是模拟人脑视觉皮层处理信息的方式，通过局部感知、权值共享、池化操作等机制来提取图像的特征层次结构。CNN 包含卷积层、池化层、全连接层等组成部分，可以自动从原始像素数据中学习到复杂且抽象的特征表示。

R-CNN (Region-based Convolutional Neural Network)

作用与原理：
R-CNN 是早期的目标检测框架，它将卷积神经网络应用于候选区域的选择和分类。首先，通过Selective Search等方法在图像中生成大约2000个候选区域（Region of Interest, ROI）。然后，每一个候选区域都会被裁剪并输入到预训练的CNN中提取特征，接着这些特征用于SVM分类器判断类别，并使用边界框回归进一步精确定位对象的位置。

Fast R-CNN

作用与原理：
Fast R-CNN 对 R-CNN 进行了优化，解决了重复计算的问题。它不再对每个候选区域独立运行CNN，而是直接将