Google Brain与牛津大学主持最新《计算机视觉前沿》报告 总结

版权声明： https://blog.csdn.net/u011797832/article/details/82986744

相关介绍链接：http://www.sohu.com/a/257481590_297710

官方网站：http://www.deeplearningindaba.com/

---

       该报告将ANN在CV的应用分为2大阶段，时间节点是2012年。Befrore 2012 and enter CNNs。

       Before 2012，multi-step approach。该类主要是以编码的方式提取human engineered features。提取特征的出发点包括四个方面：                                                                                                 

1. Histogram of image pixel intensities   

                              

2. Bag of Visual Words

                                            

3. Histogram of Oriented Gradients

                                                  

       

两个阶段进行对比，则有

       该报告中一个主要的观点是：While CNNs have provided stunning gains in accuracy, there appear to be other properties that are desirable to measure given a representation. Accuracy alone may not be sufficient. 为此，提出了其他指标作以辅助。

       上述指标主要为AI界通识性的问题，具体可以解释如下：

问题是：Can we train more compact representations with comparable accuracy?

同时，报告指出了CV的关键挑战，

可以解释如下：

-Less progress as soon as task deviates from the ImageNet template

-Domain adaptation - training set is not representative of data in real life.

最后，贴上这一部分的总结

---

最后，说一下自己的感受，从PPT并未看出这份报告太有价值的部分，也有很大可能是没有听现场报告，所以觉得很空。

Ps: 一直以来想写Blog总结一下自己的收获，但是总感觉这是一件time-consuming的事情。所以，这篇处女座写的也很焦躁，希望自己一步步可以写出更好的内容。