学习计算机视觉：（三）深度学习在计算机视觉中的应用

1.图像分类：卷积神经网络CNN

1. 图像分类概念
   首先，图像分类是解决是什么的问题？
   如下图，给定一幅图片，网络能够给出“最像”什么的概率：
   

2. 图像分类使用的技术

   •卷积神经网络CNN
   它是计算机视觉中的基础网络,有监督深度模型时代的起点
   AlexNet，VGG，GoogLeNet，ResNet，ResNeXt
   • GoogLeNet
   Inception V1 -> V2 -> V3 -> V4
   Inception ResNet V1 -> V2
   • 结构趋势
   更深(Depth):8层 -> 1000+层
   更宽(Width):1分支 -> 4+分支
   更多基数(Cardinality ):1 -> 32

2.图像检测：区域卷积神经网络R-CNN

1. 图像（目标）检测的概念
   首先，什么是目标检测？
   

2. 图像检测使用的技术
   •区域卷积神经网络R-CNN
   让基础网络具备区域输出能力
   第1阶段:R-CNN -> SPP-Net -> Fast/Faster R-CNN
   第2阶段:YOLO -> SSD -> R-FCN
   •目的
   检测更快、更准确
   • 工业应用
   智能监控
   辅助驾驶

3.图像分割：全卷积神经网络FCN

1. 图像分割的概念
   首先，什么是图像分割？
   
2. 图像分割使用的技术
   • 全卷积神经网络FCN
   让基础网络做像素输出
   FCN -> SegNet/DeconvNet -> DeepLab
   • 目的
   语义推断
   分割更精确
   • 工业应用
   辅助驾驶

4.图像描述&图像问答：迭代神经网络RNN

1. 图像描述&图像问答的概念
   首先什么是图像描述&图像问答？
   
   • 视觉&语言
   图片描述 (Captioning)
   图片问答(Question Answering)
   • Caption（图片生成说明）
   一个人在用自动驾驶系统开车
   • QA（图片生成问答）
   Q:这个人为什么双手离开了方向盘
   A:因为他启动了无人驾驶功能

2. 图像描述&图像问答所用到的技术
   •递归神经网络RNN
   具有记忆功能,构建不定长序列数据的模型
   Vanilla RNN -> LSTM -> GRU
   • 应用范围
   文本序列
   区域序列
   视频序列
   • 研究问题
   图片描述、问答

5.图像生成：生成对抗网络GAN

1. 图像生成的概念
   首先，什么是图像生成？
   
2. 图像生成所用到的技术
   • 生成对抗网络GAN
   • 网络结构
   生成器网络( Generator )
   判别器网络( Discriminator )
   • 网络路线
   无监督:GAN -> DCGAN -> wGAN
   有监督:SRGAN、SalGAN 、RLA
   • 应用范围:
   样本数据分布(生成)学习
   半监督问题的数据增强
   有监督问题的优化(Dynamic loss)