图像识别随笔1

在网上查东西无意看到一个关于验证码的小文章，就想了解一下（http://www.doc88.com/p-6374902566548.html），结果发现里面有个观点很好：在深度学习发展的大背景下，图像识别系统有3方面是需要注意或者说存在问题的地方：数据，系统，用户反馈。对于系统我知道的不多，但是在识别中，数据和model在我看来应该对应于三方面中的数据+用户反馈和系统。

数据：Imagenet并不能覆盖现实世界中的所有类别，而且如果有新的类别加入，那标注样本也是极其耗时秏力的。对于         一些任务，甚至需要专家知识，这种情况下，未来发展的趋势是否还是人工标记数据？这一点值得思考。虽然工业         界中有经济基础去标记数据，但是对于每个我们想解决的问题，都去标记貌似也不是长久之计，那怎么得到一些可         用数据来训练CNN或者做其他的识别模型训练呢？迁移学习，是一个可以尝试的方法，但是如果两个任务差距过           大，迁移到的知识可能并不会起到很大的作用。研究者开始试着如何高效自动的创建数据集。

模型（系统）：现在深度学习train一个模型的时间相对来说较长，如果让模型能在一个更短的时间训练完成，并且快速 识别是现在研究中的一个热点。（还没有深入了解）

用户反馈：两种形式，一种是收集数据，创建数据集的时候借助用户反馈可以避免噪声保证图像标注的质量，另一方面          识别中吸收用户反馈逐步改善识别系统的覆盖率和准确性（在上覆链接中看到的一点）可能也是值得尝试的。