一.深度學習的基本概念
1.卷積神經網的思維導圖：
2.深度學習的發展歷程(三起兩落）
. 2023年，人工神經網路:沒有得到重視
. 2023年，感知器模型：解決常見的線性分類和線性回歸的任務，但沒有辦法解決異或問題
. 2023年，多層感知器：解決單層感知機的問題，但沒辦法解決網路引數的計算問題
. 2023年，反向傳播演算法：解決對於少數層神經網路訓練的問題，隨著網路的加深容易出現梯度消失和梯度**的問題，使得網路引數沒有辦法得到有效的求解，另外也容易陷入區域性最優解的情況。
. 2023年，卷積神經網：沒有得到重視
. 2023年,深度學習：通過逐層預訓練的方法解決了深層訓練的問題
從2023年開始，各種深度學習網路結構層出不窮，在影象，語言處理，影象識別等等不同的方面，深度學習都逐漸取締了傳統的方法，在目標檢測，目標分割，文字分類，機器翻譯等等鄰域取得效能上的突破，也引領了工業界人工智慧應用的熱潮。
3.什麼是人工神經網路？
人工神經網路屬於機器學習的一種方法。
（1）神經元形成網路
（2）神經網路：輸入層，隱藏層，輸出層
4.什麼是感知器？
（1）第乙個具有完整演算法描述的神經網路學習演算法（pla)
（2）任何線性分類或線性回歸問題都可以用感知器來解決
.分類vs回歸：分類指的是我們當前的網路所**的結果是離散的值，我們將這個值作為當前的樣本所屬的類別的標籤。
回歸指的是我們當前的網路所**的結果是連續的值。
（3）這裡的隱藏層是對上一層的加權求和，階躍函式作為輸出層，完成乙個二分類的分類任務。如果完成回歸任務，則將階躍函式換成sigmoid函式。人工神經網路實際上由多個感知器組成。
5.從多層感知器到人工神經網路
多層感知機也叫人工神經網路
6.什麼是深度學習？
.含多層隱藏層的多層感知機就是一種深度學習結構，比人工神經網路的隱藏層的層數非常多。層與層的連線關係表達了資料流向和節點和節點的關聯。
小總結：由多個神經元，我們就可以構造出乙個感知器模型，通過多個感知器進行組合成多層感知器，這個多層感知器就是一種簡單的神經網路結構，將隱藏層的層數加深，就得到深度學習。
計算機視覺之人臉識別學習（六）
一.人臉業務場景綜述 1 生物資訊識別 人臉是生物資訊識別鄰域重要研究方向之一，生物資訊識別領域主要包括兩大方面 生物特徵和行為特徵。人臉識別是屬於生物特徵非常重要的研究內容。行為特徵主要包括了姿態的識別，手勢的識別，步態的識別等和人的行為模式的識別。生物特徵有手形，指紋，臉型，虹膜，視網膜，脈搏，...
計算機視覺 opencv人臉識別
import cv2 步驟1 載入影象 gray cv2.cvtcolor img cv2.color bgr2gray 將影象轉換成灰度模式 opencv載入影象的方式是bgr cv2.imshow test gray cv2.waitkey 0 為什麼不直接在載入影象的時候指定灰度影象？而是要轉...
（計算機視覺）計算機視覺基礎
opencv cximage cimg freeimage opencv中vc庫的版本與visual studio版本的對應關係 vc8 2005 vc9 2008 vc10 2010 vc11 2012 vc12 2013 vc14 2015 vc15 2017 visual studio中的輔助...