计算机视觉

近年来，深度学习一直是提高计算机视觉系统性能的变革力量。 无论是医疗诊断、自动驾驶，还是智能滤波器、摄像头监控，许多计算机视觉领域的应用都与我们当前和未来的生活密切相关。 可以说，最先进的计算机视觉应用与深度学习几乎是不可分割的。 有鉴于此，本章将重点介绍计算机视觉领域，并探讨最近在学术界和行业中具有影响力的方法和应用。

• 改进模型泛化的方法
  • 图像增广
  • 微调
• 图像分类（image classification）
  • 卷积神经网络
• 目标检测（object detection）
  • 边界框（bounding box）
    • 锚框（anchor box）
  • 多尺度目标检测
  • 目标检测数据集
  • 单发多开框检测SSD
  • 区域卷积神经网络R-CNN
• 语义分割（semantic segmentation）
  • 语义分割数据集
  • 转置卷积
  • 全卷积网络FNC
• 样式迁移（style transfer）