数字图像处理的工作是用传统算法更多还是用深度学习更多? 第1页
1
kana-nagato 网友的相关建议:
简单的说，这两者绝对不是对立的，而是相辅相成，融为一体的。
CNN卷积层干的是什么？你随便train好一个网络，把前几层filter可视化一下，是不是就是典型的检测各种边缘点线面特征的滤波器？这难道不是我们在传统数字图像处理里学到的东西吗？
而有传统数字图像处理训练的人，对图像空域频域概念的理解，也会导致他在做深度学习的时候很多思考会比没有这方面训练的人深入的多。
何况，传统图像处理因为简单、快速、资源耗费少，现在还在很多地方得到广泛的应用，不是哪里都需要深度学习那么高的精度的。深度学习里你不还得用传统方法做各种预处理。
最后，现在很多人也在回过头思考，觉得做了深度学习就把传统数字图像处理那一套完全丢弃了，是不是一种损失和浪费。因此现在把两者结合，比如把radon变换、hough变换、sift、小波之类的各种东西引入神经网络，两者结合，试图达到针对某些特定问题的更好效果。
1
相关话题
联邦学习在机器学习领域有什么独立存在的价值?请问一下，机器学习领域的联邦学习技术，目前看到最多的是微众银行，国内还有哪些顶级专家及机构和大学？
Pokémon GO 有什么奇技淫巧？
如何理解MCMC中的细致平稳条件？
如何评价AWS的图神经网络框架DGL？
迁移学习与fine-tuning有什么区别？
2021-05-28：跳跃游戏 II。给定一个非负整数数组，你最初位于数组的第一个位...如何解答呢？
推荐系统有什么危害?
如何评价微软亚洲研究院提出的LightRNN？
深度学习领域有哪些瓶颈？
前一个讨论
在高校当老师是怎样的体验？
下一个讨论
保研未报道，转战考研失败怎么办?
相关的话题
算法工程师的落地能力具体指的是什么？有哪些手算对数的方法？
如何评价Sony新出的深度学习库NNabla？
如何看待周志华等人的新书《机器学习理论导引》？
为什么学习深度学习感觉无法入门？
如何看待 Google 既可以作 Inference，又可以作 Training 的新一代 TPU？
什么是迁移学习 (Transfer Learning)？这个领域历史发展前景如何？
NLP 中 prompt learning 有哪些可能的天生缺陷？目前有什么样的方法来解决这样的缺陷？
CNN网络的pooling层有什么用？
什么是人工智能？人工智能、机器学习、深度学习三者之间有什么关系吗？
人是如何做黑盒优化的？
算法导论求有向图强连通分量：按拓扑排序，求反向图的DFS。若改成按拓扑排序倒序，用原图做DFS，错在哪？
QR 二维码在不影响扫码的情况下，哪些部分可以删除？
机器学习能否用于综合评价？具体怎么操作？
掷一枚不均匀的硬币，正面概率为0.7，反面的概率为0.3，如何最高效地获得一个概率为0.5的事件？
如何评价Kaiming He的Momentum Contrast for Unsupervised?
Google 的神经网络生成图像 (Inceptionism) 是怎么做到的？
目前有哪些比较成功的人工智能应用？
在NLP上，CNN、RNN（认为LSTM等变体也是RNN）、最简单全连结MLP，三者相比，各有何优劣?
深度学习attention机制中的Q,K,V分别是从哪来的？
为什么神经网络具有泛化能力？
如何看待多模态transformer，是否会成为多模态领域的主流？
能否使用神经网络来判断奇偶数？
为什么多标签分类（不是多类分类）损失函数可以使用Binary Cross Entropy？
如何评价 Exploring Simple Siamese Learning?
学生网络用知识蒸馏损失去逼近教师网络，如何提高学生网络的准确率？
image caption这个方向更偏向NLP还是CV？
什么是迁移学习 (Transfer Learning)？这个领域历史发展前景如何？
在一段高速公路上，30分钟之内见到汽车经过的概率是95%，那么，在10分钟内见到汽车经过的概率是多少？
机器学习里的 kernel 是指什么？