2021pytorch深度学习实战【视频代码齐全】

2012 年，AlexNet 在 ImageNet 图像识别比赛中夺冠，将图像分类的错误率降低了一半，从此一战成名。十年来，计算机视觉领域蓬勃发展，深度学习技术突破让机器在很多视觉任务上超越了人类。

计算机视觉也是目前应用最多、落地最广的人工智能技术。即使是外行，也能随便举出很多技术落地的应用：刷脸支付、美颜相机，还有工业领域的产品缺陷检测，以及交通管理中的车辆识别等。与此同时，也有一些计算机视觉技术应用引发了争议和担忧，比如人脸识别的隐私问题、换脸假视频。

计算机视觉的终极目标是什么？未来 5 年计算机视觉的研究重点将是什么？伴随着「深度学习进入瓶颈期」论调的出现，2021 年，入行计算机视觉还有「前途」吗？这些都是大家关注的问题。

简单的回顾的话，2006年Geoffrey Hinton的论文点燃了“这把火”，现在已经有不少人开始泼“冷水”了，主要是AI泡沫太大，而且深度学习不是包治百病的药方。

计算机视觉不是深度学习最早看到突破的领域，真正让大家大吃一惊的颠覆传统方法的应用领域是语音识别，做出来的公司是微软，而不是当时如日中天的谷歌。计算机视觉应用深度学习堪称突破的成功点是2012年ImageNet比赛，采用的模型是CNN，而不是Hinton搞的RBM和DBN之类，就是Hinton学生做出来以他命名的AlexNet。

标签：实战,视频,计算机,学习,2021pytorch,深度,视觉,Hinton,2012
来源： https://blog.csdn.net/weixin_A1883029/article/details/120913232