CV--1

经典任务

1.图像分类（Image Classification）
将给定的一张图片作为一个整体去理解，并通过推理，赋予这张图片一个标签。
2.目标检测（Object Detection）
检测给定的图片中的所有目标，使用矩形框标注出来，从而实现定位和分类。
3.语义分割（Semantic Segmentation）
将一张图像中属于同一类目标的部分都聚类到一起，并为图像上的每一个像素都预测一个类别标签。
4.实例分割（Instance Segmentation）
将图像中的每一个独立个体，都检测和描画（分割）出来。

发展

1.早期萌芽 (1960~1980)
边缘检测
2.统计机器学习与模式识别 (1990~2000)
人脸检测；小波变换
3.初有成效的视觉系统 (~2010)
针对不同的目标，人工去手动设计出特征
4.深度学习的时代 (2012~)
AlexNet 突破传统视觉系统性能
Fast R-CNN 目标检测走入深度学习时代
深度生成对抗网络实现图像生成

机器学习

1.机器学习是什么
让计算机从数据中学习去解决问题
2.机器学习的典型范式
监督学习
无监督学习
强化学习

神经网络

一类拟合能力非常强的函数
三要素：模型结构、损失函数、优化算法