計(jì)算機(jī)視覺(jué)分析:傳統(tǒng)方法 VS 深度學(xué)習(xí)
近日,來(lái)自麻省理工學(xué)院、加州大學(xué)伯克利分校、伊利諾伊大學(xué)香檳分校、華盛頓大學(xué)、帝國(guó)理工學(xué)院的六名頂級(jí)人工智能科學(xué)家、計(jì)算機(jī)視覺(jué)科學(xué)家在 ICCV 大會(huì)期間進(jìn)行了題為「A discussion about deep learning vs classical methods and their roles in computer vision」的學(xué)術(shù)討論。
比如:熟悉圖像濾波會(huì)更容易理解卷積神經(jīng)網(wǎng)絡(luò)為什么有效;殘差收縮網(wǎng)絡(luò)將傳統(tǒng)方法中的軟閾值思想融入進(jìn)殘差網(wǎng)絡(luò)ResNet;PWC-Net將光流法和用于提取特征的神經(jīng)網(wǎng)絡(luò)結(jié)合。
以下附上課程實(shí)踐內(nèi)容(部分)
01 Graph Cuts
02 基于GMM的運(yùn)動(dòng)分割
03 基于光流的目標(biāo)跟蹤
04 基于粒子濾波的目標(biāo)跟蹤

評(píng)論
圖片
表情
