CV中，传统视觉算法 vs 深度学习算法

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

https://blog.csdn.net/txpp520/article/details/115747808