【小结】据说能回答出这5个问题,至少3年AI老司机_图像分类

 

文/编辑 | 言有三

 

上周公众号开通了新专栏《AI 1000问》,专门选择那些很小,容易被忽视,普通但是不简单,可以引申很多思考的问题得到了大家的喜欢,今天我们就来回顾总结一下前5问,同时也收集一下大家的反馈。

 

第1问

 

【小结】据说能回答出这5个问题,至少3年AI老司机_深度学习_02

 

做过图像分类项目或者看过文章的小伙伴们应该都知道,在论文中进行各类方法的比较时,要求使用同样的数据集。而为了公平的比较,网络的输入大小通常都是224*224的大小,那为什么呢?你第一时间思考出答案了吗?

 

第2问

 

【小结】据说能回答出这5个问题,至少3年AI老司机_工具条_03

 

相信大家也都知道LeNet5这个经典的卷积神经网络,它有3个全连接层,输出维度分别是120,84,10,不知道大家知不知道为什么倒数第2个全连接层的维度是84呢?你第一时间思考出答案了吗?

第3问

 

【小结】据说能回答出这5个问题,至少3年AI老司机_人脸识别_04

 

做图像处理的我们应该都知道,OpenCV是我们必备的一个工具,我们在使用OpenCV读取图像时你应该也发现了读取出来的数组居然是BGR格式,而不是我们听的最多,用的最多的RGB格式,这是为什么呢?有同学思考过这个问题吗?你第一时间思考出答案了吗?

第4问

 

【小结】据说能回答出这5个问题,至少3年AI老司机_全连接_05

 

现在说起人工智能,聊起AI,每个人或多或少都能说出一点,从历史到未来,从图灵到冯诺依曼,从SVM到CNN等等,但是如果问你是否知道机器学习和模式识别有什么区别?我相信大多数人很懵圈,这两个东西不是一样的吗?难道还有区别!你第一时间思考出答案了吗?

第5问

 

【小结】据说能回答出这5个问题,至少3年AI老司机_工具条_06

 

 

人脸识别一直以来都是当前生物特征识别研究的热点之一,人脸识别技术在工业界应用价值尤为突出。如今随着互联网技术的发展,似乎每个人都知道人脸识别,或者说“刷脸”,我们常常听到的Face detection、alignment、verification、identification(recognization),你能分的清楚吗?

 

那么,没有看我们之前,你回答出几个了呢?

 

点击边框调出视频工具条

哔哩哔哩官网上线

 

知道大家喜欢上B站,怎么会忘了福利呢,咱们有三AI正式上B站日更噢!别忘了来粉噢。

【小结】据说能回答出这5个问题,至少3年AI老司机_全连接_07