cv理论需要理论应用

慧写惠查 6个月前 4496浏览 0评论

第一,传统算法不可偏废。例如,尽管基于深度学习的特征提取方法取得了很大的成功,但传统的特征提取算法,例如SIFT, SURF, LBP等等,依然不能忽视。再例如,SVM, KNN等等经典的机器学习算法在CV中的应用也不可忽视。

传统的计算机视觉和机器学习算法依然在很多场景下有用武之地,并且,这些算法不仅在工程上有稳健的性能,而且相比于深度学习算法,在数学上也有更清晰的解释。因此,深入理解这些经典算法的思想,对于我们改进既有算法和提出新算法,也是很有启发性的。

第二,重视数学、重视编程。我们需要有一批不满足于import cv2, import torch, import torchvision,不满足于机械调参,不满足于堆砌网络结构的研究者,能够提出一套严密的指导性的理论,改善目前深度学习中以试凑调参为主来达到目标的训练方式。我们需要思考能否在底层实现上做出改进或提出新的算法,而非简单地将既有算法排列组合。

第三,推动CV真正落地。我们知道,在人类的各种感官中,视觉带给人的信息最多,其认知机制也最复杂,因此,计算机视觉始终是人工智能的一个重要组成部分,有大量的工作可以做。许多行业都积累了大量的图像信息,都有用计算机代替人去“看”的刚需。我们应当思考如何让计算机视觉更好地与各行各业相结合,真正助力经济社会发展,也使得我们的生活更加便捷。

如有不懂的可以咨询小编,我的qq422087837,邮箱422087837@qq.com

发表评论
展开