《计算机视觉中的机器学习：综述》论文笔记

2 用于图像处理的机器学习技术

主要有两种类型：模拟图像处理和数字图像处理。

关键因素是：

1 图像获取

2 操控和分析图像

3 输出分析后的图像

在模拟图像处理中，只能用基础的视觉技术来分析图像。

数字图像处理遵循以下三个规则：

1 预处理

2 增强

3 提取信息

第一步是把RGB转换成灰度，还有各种预处理、

3 神经网络模型

介绍了前馈神经网络，学习率啥的。

 4 工具和应用

列举了一些工具，pytorch啥的。

5 在线可得到的用于计算机视觉或图像处理的数据集

6 挑战，问题和限制

6.1 算法需要大量数据才能获得更好的性能

过拟合欠拟合

6.2 需要对训练数据进行冗长的离线标记

需要冗长的离线标签的原因：质量低下、规模大、效率低下或成本低下、质量保证

6.3 高处理能力

耗费时间

6.4 虚假数据

识别数据是个挑战

6.5 ML 模型/算法不协作

算法分为学习风格和相似性，同时运行就会受到限制

7 开放研究领域

物体/车辆检测：在战争局势中需要快速反应。

卫星图像的视觉效果差和分辨率低

活动识别：

人类姿态估计：问题 是定位人类关节，还有很多子问题如多人，拥挤的环境。