2022年四月第35本书
阅读速度4000字/分钟
1、本书主题：PyTorch物体检测实战教学
2、速读建议：先看章节末尾小结。
上次接触物体检测的知识还是13年，用MATLAB修复资料。这本算是补充近几年的知识空缺，作为入门读物挺不错。
◆ 1.1 深度学习与计算机视觉
>> 弱人工智能（Artificial Narrow Intelligence, ANI）：擅长某个特定任务的智能。
>> 强人工智能：在人工智能概念诞生之初，人们期望能够通过打造复杂的计算机，实现与人一样的复杂智能，这被称做强人工智能，也可以称之为通用人工智能（Artificial General Intelligence, AGI）。
>> 超人工智能（Artificial Super Intelligence, ASI）：在强人工智能之上，是超人工智能，其定义是在几乎所有领域都比人类大脑聪明的智能，包括创新、社交、思维等。
>> 根据网络结构的不同，深度学习模型可以分为卷积神经网络（ConvolutionalNeural Network, CNN）、循环神经网络（Recurrent Neural Network, RNN）及生成式对抗网络（Generative Adviserial Network, GAN）。
◆ 1.4 基础知识准备
>> 在深度学习模型开发中，很多时候我们会把模型放到远程服务器中，这时IDE就不适用了。
◆ 2.1 基本数据：Tensor
>> Tensor，即张量，是PyTorch中的基本操作对象，可以看做是包含单一数据类型元素的多维矩阵。
>> 向量化操作是指可以在同一时间进行批量地并行计算，例如矩阵运算，以达到更好的计算效率的一种方式。
◆ 4.1 RCNN系列发展历程
>> RCNN虽然显著提升了物体检测的效果，但仍存在3个较大的问题。首先RCNN需要多步训练，步骤烦琐且训练速度较慢；其次，由于涉及分类中的全连接网络，因此输入尺寸是固定的，造成了精度的降低；最后，候选区域需要提前提取并保存，占用空间较大。
◆ 10.3 总结
>> 本书的初衷是对物体检测算法做一个全面而深入的总结，希望能够帮助到入门者与初学者。也希望本书能作为一个工具书，当你想要了解某个方法、某个实现细节时，可以速查获取。
网友评论