爲什麼要用深度學習？

什麼是深度學習？

哈哈，Just a joke！深度學習地位：

人工智能：計算機知識，心理學和哲學~
機器學習：計算資源（已知判斷未知）
深度學習：源於人工神經網絡的研究，廣泛應用於搜索技術，數據挖掘，機器學習，機器翻譯，自然語言處理，多媒體學習，語音，推薦和個性化技術等

爲什麼非要要用深度學習啊？

凡是稍有了解都知道—— 神經網絡理解太複雜，數據集標註，跑模型好費力，有簡便方法我肯定不會深度。

我之前也是信誓旦旦的立志，拒絕深度。

看了檢測效果後，打臉來的很快！


打臉細節

小編畢設（圖像識別相關），就是 機器視覺CV 相關：

我的目標檢測第一個內容是人體姿態和手，我立志不用深度學習：

1. 圖像識別，先用用圖像處理的 前景特徵提取
   前景特徵是什麼： 圖像顏色（涉及膚色提取）、直方圖、輪廓特徵、凸包輪廓、描述子輪廓、重心

   可以參考：Python+Opencv2（二）圖像的輪廓特徵

   缺點：膚色提取易受背景顏色影響：（圖一：我的手呢？？ 圖2：臉部膚色干擾？？？）
   

2. 人體姿態，這裏採用的開源模型openpose，效果感覺還行
   
   缺點：易受背景干擾
   

怎麼辦？目標檢測遇到瓶頸，畢設過去了，心力憔悴，手足無措。。。

屁顛屁顛去問導師怎麼解決。
一句話KO我：“ 用深度學習可以解決你們所有的前景提取的問題，推薦你試試yolo。”

我和導師巴拉巴拉了很久，從我的圖像處理講到特徵提取，我有多麼心酸多麼痛苦多麼勞累，以及解釋了我沒有接觸過yolo，對於深度學習的恐懼，害怕理解不了很難做出效果…

真香系列

不會深度？沒有接觸過的小白？Just try it！

1. 查資料：收集閱讀github源碼、開源數據集
2. 學習：博客教程經驗總結、視頻網站學習操作流程
3. 實踐：環境搭建、模仿經典神經網絡案例、訓練

在理解原理和實踐下，小編終於克服各種報錯，得到yolo的真傳！

yolo可以解決 前景識別 不了的問題，而且準確率極高：

• 黃色連線區域爲coco骨骼檢測，很明顯右手沒有檢測出來
• 紅色區域爲yolov3模型檢測的效果

得意的笑了 🤪 ，哈哈哈！

畢設離成功還差分類統計了，der~

作者 | cungudafa
時間 | 2020年4月2日12:44:09
發佈地址 | CSDN-《爲什麼要用深度學習？》
文章鏈接 | https://blog.csdn.net/cungudafa/article/details/105263495
註明 | 任何轉載可，請在原文留言並附帶以上落款！