这也是计划的一部分的博客

通过爬虫收集图片素材完成正负例样本的采集，通过灰度图处理与图片尺寸的裁剪完成图像处理，而后使用opencv的traincascade对图片进行训练，获取图像模型，完成图片分类器的训练。

对深度学习与机器学习概念的详细陈述，包括多案例与其他学科的概念对比；如何划分训练集与测试集及各部分的作用，进行模型训练后如何进行模型的评价。数据集的数学表示及数据集拆分方法，如留出法，K折交叉验证，网格搜索等；而后介绍了分类问题及其性能度量指标方法，回归问题及其性能度量指标方法，利用Iris数据集在python sklearn绘制P-R曲线，进行模型评价。

熵是表示分子状态混乱程度的物理量，此时用来描述信源的不确定性的大小，由美国数学家香农提出，经常使用的熵概念有下列几种：信息熵、交叉熵、相对熵、条件熵 、互信息等，分别陈述其概念及计算方式。

​ 现在说的机器视觉(Machine Vision)一般指的是计算机视觉(Computer Vision)，简单来说就是研究如何使得机器看懂东西，利用摄像机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像，当前两者已不存在较大区别。​ 首先在很多文献中，计算机视觉与机器视觉是不加区分的，但其实这两个术语既有区别又有联系的。