第一章

计算机视觉的核心问题，如何忽略同一个物体内部的差异，而强化不同物体之间的区别。

人工神经网络。

反向传播算法。将复杂的链式法则拆解为独立的前后关系的连接层，按照各自的权重分配错误更新。这样通过已有的数据统计规律对未定位的事件做出预测。

2006年，深层神经网络的训练有了突破。使用更多隐层和更多神经元，有更好的学习能力。

CNN：仿照生物视觉的逐层分解算法。

训练平台，模型使用，速度和周期。

常用的TensorFlow/Cafe/PyTroch

核心是任务处理的对象，包括检测、识别、分割、特征点定位、序列学习。

 

第二章

Anoconda