1、人工智能:
弱人工智能:特定任务(语言处理领域-谷歌翻译)
强人工智能:类似人类
超人工智能:超越人类
2、机器学习的思想:是让机器自动地从大量的数据中学习出规律,并利用该规律对未知的数据做出预测。(实现人工智能的重要途径)
算法分为:
监督学习:包括训练和预测。(决策树、支持向量机、神经网络)
无监督学习:采用某种形式的汇报来激励模型做出一定的决策。K-Means聚类算法
强化学习:在一定的环境中学习,每次行动会有对应的奖励,目标是使奖励最大化。
3、深度学习:是特指利用深度神经网络的结构完成训练和预测的算法。
4、计算机视觉领域
- 图像成像:修复图像的DCGAN网络、图像风格迁移的CycleGAN,在医学成像、卫星像等领域,超分辨率也至关重要,例如SRCNN
- 2.5D空间:光流的估计、单目的深度估计以及双目的深度估计
- 3D空间:应用于机器人或者自动驾驶,主要任务有相机标定、视觉里程计及SLAM等
- 环境理解:图像分类(Classification)——判断每张图像是什么物件、 物体检测(ObjectDetection)——判断出物体出现的位置与类别、 图像分割(Segmentation)——判断出每一个像素属于哪一个类别、物体跟踪(Tracking)及关键点检测。图像分割:语义分割和实例分割。
5、物体检测
物体检测技术,通常是指在一张图像中检测出物体出现的位置及对应的类别。
检测器输出五个量:物体类别、、
、
、
。
6、检测器评价指标
判断检测的质量——从预测框与真实款的贴合程度
IoU:两个边框的交集与并集的比值。(大于0.5—有效的检测,否则无效)
判断模型的好坏——mAP(多个类别的平均精度)