《深度学习之Pytorch实战计算机视觉》阅读笔记 第1章：浅谈人工智能、神经网络和计算机视觉

1. M-P模型

1.Pytorch实战介绍 - 图1

  • 计算过程：
    1. x1 ~ xn 作为输入参数
    2. 每个参数对应一个权重值（W1 ~ Wn）
    3. 对输入的参数进行权重加和
    4. 函数 f 定义了目标阈值，决定输入信息是否被激活
  • 计算公式如下：
    1.Pytorch实战介绍 - 图2
  • 逻辑门

2. 深度学习

  • 通过累加多层感知机的网络层次，模型有了能够解决现实世界复杂问题的能力
  • 然而，由机械性地累加得到的深层神经网络模型在后向传播时会出现梯度消失问题。
  • 解决方法：无监督预训练对权值进行初始化、有监督训练微调模型

3. 计算机视觉

  • 传统计算机视觉：信息收集、信息分析、信息处理
  • 图片分类
  • 图像目标识别
  • 语义分割