人工智能-19. 计算机视觉发展史 2_第1页
人工智能-19. 计算机视觉发展史 2_第2页
人工智能-19. 计算机视觉发展史 2_第3页
人工智能-19. 计算机视觉发展史 2_第4页
人工智能-19. 计算机视觉发展史 2_第5页
已阅读5页，还剩3页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

计算机视觉发展史1990-2000年代，机器学习方法机器学习技术是从大量的数据中来构造模型。因此，机器学习离不开大规模的数据集。这一时期也是互联网迅猛发展的时期计算机视觉领域的大规模数据集也应运而生计算机视觉发展史FDDB数据集该数据集用于人脸检测。采用人工标注的方式，对数据集包含的每一张人脸，用框给框起来。FDDB

数据集包含了2845张图像，一共标注了5171

张人脸的位置。计算机可以从这些标注好的数据中，使用机器学习技术来学习如何检测人脸。计算机视觉发展史PASCALVOC数据集PASCAL数据集包含了20种类别的图片，每种图片的数量在一千至一万张不等。计算机视觉发展史ImageNet数据集包含总计两万两千种类别，图片数量超过一千四百万张。ImageNet

数据集已经成为计算机视觉的标准测试数据。计算机视觉发展史1990-2000年代，机器学习方法机器学习方法在很多情况下能获得较好的效果，但在2010年之后也逐渐遇到了瓶颈。ABC针对具体任务进行特征的设计，需要丰富的经验，并且需要根据任务的场景进行大量的调试工作；随着任务越来越复杂，机器学习模型的选择和调

试也变得更复杂；如何选择适合的特征、并搭配合适的机器学习算法，以获得最优的效果，变得日益困难。计算机视觉发展史2012年以后，深度学习2012年，深度学习带来了计算机视觉的突破。在ILSVRC竞赛中，Hinton教授研究组使用深度卷积神经网络将ImageNet数据集上图像分类的错误由26%降低到了15%。此后短短几年内，各种深度神经网络技术迅猛发展。2015年

ILSVRC

的错误率已经降到了

3.6%，已经低于人类的错误率了。深度学习基本上解决了物体分类问题。计算机视觉发展史深度学习的优点ABC深度神经网络具有复杂的参数结构，可以使用同一个模型来解决问题；不需要专家提供知识，由深度神经网络自动进行特征学习和表征；基于深度学习的

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论