《卷积神经网络与计算机视觉》 —2.4总结

2.4总结

传统的计算机视觉系统包括两个步骤：特征设计和学习算法设计，两者很大程度上是独立的。 因此，传统上通过设计手工工程特征来解决计算机视觉问题，例如HOG ［Triggs and Dalal，2005］、SIFT ［Lowe，2004］和SURF ［Bay et al.，2008］，这些特征缺乏对其他领域的泛化能力，而且耗时、昂贵，并且需要关于问题域的专业知识。这些特征工程过程之后是一些学习算法，如SVM ［Cortes，1995］和RDF ［Breiman，2001；Quinlan，1986］。然而，深度学习算法的进步解决所有这些问题，在端到端学习框架中，通过训练深度神经网络进行特征提取和分类。更准确地说，与传统方法不同，深度神经网络学会同时提取特征并对数据样本进行分类。第3章将详细讨论深度神经网络。