计算机视觉中,
传统视觉算法,侧重于提取,识别容易量化的特征:颜色、面积、圆度、矩形度,角度、长度等。
深度学习算法,侧重于难于量化的特征:例如瑕疵。
传统视觉算法都是基于人为特征提取得到样本特征库去识别计算。
深度学习算法是一个“黑箱”。“黑箱”意味着深度学习的中间过程不可知,深度学习产生的结果不可控。
知其然而不知其所以然,是深度学习的常态。
深度学习最大的优势就是自动创建没有人会想到的特性能力,这同时也是它最大的弱点,因为大多数这些功能至少在语义上看起来,可以说是“可疑的”。
当年汽车刚刚发明的时候,还没有马车跑的快,遭到了人们的怀疑和嘲笑,但这并不能影响汽车,这个伟大的发明,就此走向人类的历史。
Andrew Ng的Deap learning课程,听到Andrew Ng讲课的时候说了一句“Deep Learning是一个更多偏向于市场宣传的名字...方便媒体报道...方便传播...”。
深度学习的确能把传统视觉算法不能很好识别的问题,识别的很好;但是,传统视觉算法识别的很好的问题,深度学习反而有这样那样的不稳定。
参考:https://blog.csdn.net/weixin_39641876/article/details/111167302