1、深度学习与计算机视觉入门

深度学习与计算机视觉入门

1. 深度学习简介

1.1 深度学习

人工智能使计算机能够模仿人类行为，机器学习和深度学习的概念都包含在人工智能的范畴内。在机器学习中，特征提取的算法需要人类来提供；而在深度学习中，特征提取是由神经元自动感知完成的。深度学习的核心是神经网络，它通过神经网络进行分类、聚类和结果预测，利用神经网络识别模式，本质上是一组用于预测结果的算法。深度学习并非全新的概念，而是随着处理能力的指数级增长，机器学习和深度学习得以发展起来。

人类大脑中的神经元是数据载体，数十亿个神经元相互连接。基于人类大脑神经元的逻辑，系统中设计了神经元，进而创建了人工神经网络。在人工神经网络中，一些神经元作为输入收集器，一些作为输出显示器，还有一些用于处理输入。人工神经元的结构由从 (x_0) 到 (x_n) 的输入和从 (w_1) 到 (w_n) 的权重组成，每个输入值传递到求和函数，求和后的值再传递到激活函数，从而生成输出 (y)。

1.2 机器学习与深度学习

机器学习是实现人工智能的一种方法，它利用算法追踪数据、从中学习并对现实世界的事物进行预测。深度学习则是实现机器学习的一种技术。它们的区别如下表所示：
| 机器学习 | 深度学习 |
| — | — |
| 需要少量数据就能保证准确性 | 需要大量数据进行训练 |
| 对系统规格要求较低 | 对系统规格要求较高 |
| 将给定问题分解为多个任务，每个任务独立解决，最后合并结果 | 作为节点到节点的问题整体解决给定问题 |
| 模型训练时间短，但用模型测试数据所需时间长 | 模型训练时间长，但用模型测试数据所需时间短 | </