为什么要用深度学习？

什么是深度学习？

哈哈，Just a joke！深度学习地位：

人工智能：计算机知识，心理学和哲学~
机器学习：计算资源（已知判断未知）
深度学习：源于人工神经网络的研究，广泛应用于搜索技术，数据挖掘，机器学习，机器翻译，自然语言处理，多媒体学习，语音，推荐和个性化技术等

为什么非要要用深度学习啊？

凡是稍有了解都知道—— 神经网络理解太复杂，数据集标注，跑模型好费力，有简便方法我肯定不会深度。

我之前也是信誓旦旦的立志，拒绝深度。

看了检测效果后，打脸来的很快！


打脸细节

小编毕设（图像识别相关），就是 机器视觉CV 相关：

我的目标检测第一个内容是人体姿态和手，我立志不用深度学习：

1. 图像识别，先用用图像处理的 前景特征提取
   前景特征是什么： 图像颜色（涉及肤色提取）、直方图、轮廓特征、凸包轮廓、描述子轮廓、重心

   可以参考：Python+Opencv2（二）图像的轮廓特征

   缺点：肤色提取易受背景颜色影响：（图一：我的手呢？？ 图2：脸部肤色干扰？？？）
   

2. 人体姿态，这里采用的开源模型openpose，效果感觉还行
   
   缺点：易受背景干扰
   

怎么办？目标检测遇到瓶颈，毕设过去了，心力憔悴，手足无措。。。

屁颠屁颠去问导师怎么解决。
一句话KO我：“ 用深度学习可以解决你们所有的前景提取的问题，推荐你试试yolo。”

我和导师巴拉巴拉了很久，从我的图像处理讲到特征提取，我有多么心酸多么痛苦多么劳累，以及解释了我没有接触过yolo，对于深度学习的恐惧，害怕理解不了很难做出效果…

真香系列

不会深度？没有接触过的小白？Just try it！

1. 查资料：收集阅读github源码、开源数据集
2. 学习：博客教程经验总结、视频网站学习操作流程
3. 实践：环境搭建、模仿经典神经网络案例、训练

在理解原理和实践下，小编终于克服各种报错，得到yolo的真传！

yolo可以解决 前景识别 不了的问题，而且准确率极高：

• 黄色连线区域为coco骨骼检测，很明显右手没有检测出来
• 红色区域为yolov3模型检测的效果

得意的笑了 🤪 ，哈哈哈！

毕设离成功还差分类统计了，der~

作者 | cungudafa
时间 | 2020年4月2日12:44:09
发布地址 | CSDN-《为什么要用深度学习？》
文章链接 | https://blog.csdn.net/cungudafa/article/details/105263495
注明 | 任何转载可，请在原文留言并附带以上落款！