人工基础智能教程 7

第5章计算机视觉主要内容核心任务与评估体系CNN架构的演进目标检测与图像分割前沿:ViT与生成模型图像分类核心任务与评估体系图像分类（imageclassification）旨在为整幅图像分配一个预定义的类别标签（单标签分类）或多个标签（多标签分类）。主流评估指标包括：（1）Top-1准确率：模型预测概率最高的类别即为正确标签的比例。（2）Top-5准确率：模型预测概率前五的类别中包含正确标签的比例。对于多标签分类任务，则通常采用平均精确率（meanaverageprecision，mAP）或F1分数作为评估标准。目标检测核心任务与评估体系目标检测（objectdetection）的任务不仅在于识别图像中的物体类别，更需通过“边界框”（boundingbox）精确定位其位置。该指标的计算基于以下两个基础概念：（1）交并比（intersectionoverunion，IoU）：用于衡量模型预测框与真实边界框（groundtruth）的重合程度。（2）精确率-召回率曲线（precision-recallcurve）：通过调整模型的置信度阈值，生成一系列精确率与召回率点对并绘制曲线。平均精度（AP）即为该曲线下的面积，综合反映了模型在不同召回率水平下的性能。图像分割核心任务与评估体系图像分割（imagesegmentation）致力于实现像素级别的分类。根据任务的精细度与目标，可细分为语义分割（semanticsegmentation）、实例分割（instancesegmentation）、）全景分割（panopticsegmentation）主要内容核心任务与评估体系CNN架构的演进目标检测与图像分割前沿:ViT与生成模型CNN架构的演进

CNN架构演进线AlexNet(2012):深度学习的破晓，ReLU、Dropout、GPU加速VGGNet:强调“深度”，堆叠3x3小卷积核GoogLeNet:Inception模块并行化，提升“宽度”与计算效率ResNet:残差学习解决超深网络训练退化难题CNN架构的演进

AlexNetAlexNet多项关键技术的创新:深层网络结构ReLU激活函数Dropout正则化数据增强与GPU并行计算CNN架构的演进

从VGGNet到GoogLeNet：（1）VGGNet（2014）：核心理念是“深度决定性能”（2）GoogLeNet/Inception（2014）:致力于提升计算效率,其核心是“Inception模块”。CNN架构的演进

ResNetResNet的核心在于“残差学习模块”后续发展（1）DenseNet（2017）：

引入“稠密连接”（denseconnection）（2）EfficientNet（2019）：

提出了复合缩放方法（compoundscaling）主要内容核心任务与评估体系CNN架构的演进目标检测与图像分割前沿:ViT与生成模型目标检测与图像分割目标检测器主要分为两阶段（Two-Stage）和单阶段（One-Stage）两大流派，以及新兴的基于Transformer的端到端架构。图像分割模型普遍采用编码器-解码器（encoder-decoder）架构，旨在平衡全局语义信息与局部细节特征。主要内容核心任务与评估体系CNN架构的演进目标检测与图像分割前沿:ViT与生成模型ViT与生成模型ViT：图像分块（imagepatching）、块嵌入（patchembedding）、位置编码（positionalencodi