隨着這兩年深度學習的火爆,在超分辨率重建領域也有着越來越多關於深度學習相關方法的文章涌現出來。對於之前沒有接觸過機器學習之類的人,看起來確實會有些一頭霧水,所以這裏整理了一下三個關於此的熱詞。深度學習、機器學習以及模式識別。
模式識別(Pattern recognition),機器學習(machine learning),深度學習(deep learning)。其中模式識別是最古老的,可以說是最早提出來的,而機器學習是比較基礎的,深度學習則是目前比較新穎,有影響的前沿領域。下圖是關於這三個詞在谷歌上的搜索指數,可以看到,機器學習一直高居不下,並且在穩定中上升,模式識別已經走向衰落了,而深度學習則是一個嶄新的快速攀登的領域。
1、模式識別
模式識別,做的是讓計算機去做一些看上去智能的事情,比如計算機如何區分3,8,B這樣的形態,以及之後的關於邊緣檢測,形態學處理等等,都與它有着很深的關係。
2、機器學習
機器學習的核心思想是從大量的樣本中學習出智能的程序,機器學習做的是給程序一些輸入數據之後,它自己搞些東西出來。當然其運行步驟是明確的。包括之後的一些凸優化,核方法,支持向量機都是機器學習的一些應用。
3、深度學習
目前最火的深度卷積神經網絡的運用(Convolutional Neural Nets,CNN),深度學習強調的是你使用的模型(例如深度卷積多層神經網絡),模型中的參數通過從數據中學習獲得。深度學習需要較大的計算能力,所以大多在用GPU進行計算。當然和機器學習一樣,深度學習也存在着很多沒有解決的問題,包括深度學習的有效性理論。
以上自己的一些整理,理解還不是特別深刻,希望前輩們多多指導。