深度学习&目标检测
作为刚开始接触深度学习和目标检测的小白,通过博客记录下get的新知识是个不错的方式,特别感谢杜鹏等老师的《深度学习与目标检测》这本书的生动解读。
##深度学习应用
深度神经网络是深度学习的核心,它是仿人类神经网络进行相应的信息分布式并行处理的数学模型。深度学习的应用已经遍布人脸识别、语音识别、图像处理等多个研究领域,也切实增加了许多新型的研究方向。深度学习的发展从最初的感知机的发明到现在炙手可热的人工智能,已经有了很大的进步和突破,迁移学习、元学习等又将成为新的研究热点。
深度学习的存在有三个主要的流派,分别是有监督学习、无监督学习和强化学习。
有监督学习
-
图像处理分类
根据图像的语义信息将不同类别的图像进行区别分类,在安全防护,医疗交通等领域都有应用。 -
目标检测
对多个目标的目标定位和图像分类,之前的目标检测基于手工提取特征的方法,之后依据卷积神经网络的目标检测使其应用有了质的飞跃 -
人脸识别
现在 人脸识别的使用随处可见,智能手机的面部识别解锁,学生宿舍楼禁系统等。而最初的人脸识别应用时,对于人脸的识别效率极低,必须对于人脸面部表情有着较高还原度的才能成功识别。而基于深度学习的人脸识别算法,不用人脸面部的高度还原,便可以轻松识别是否同一个人。这些算法对复杂环境的适应能力相较于初期的人脸识别已经是相当成功。 -
语音识别
语音识别是能够让计算机有效识别并读取语音中所携带的信息的技术。基于深度学习的语音识别则是将其准确率提升到了更好的水平。学习无尽头,记笔记是学习很好的一种方式。