文/編輯 | 言有三

學(xué)習(xí)從來(lái)都是從大處著眼，小處著手。前段時(shí)間公眾號(hào)開(kāi)通了專欄《AI 1000問(wèn)》，專門(mén)選擇那些很小，容易被忽視，普通但是不簡(jiǎn)單，可以引申很多思考的問(wèn)題，得到了大家的喜歡，現(xiàn)在已經(jīng)12期了。

因?yàn)橹R(shí)點(diǎn)無(wú)法系統(tǒng)性串接，而且內(nèi)容更新會(huì)不定時(shí)，所以后續(xù)AI1000問(wèn)就會(huì)全部并入知識(shí)星球了，歡迎繼續(xù)來(lái)關(guān)注噢。

下面我們?cè)賮?lái)回顧一下之前的12個(gè)問(wèn)題吧，在沒(méi)有看我們公眾號(hào)內(nèi)容之前，你都能回答出來(lái)嗎？

?

第1問(wèn)

做過(guò)圖像分類項(xiàng)目或者看過(guò)文章的小伙伴們應(yīng)該都知道，在論文中進(jìn)行各類方法的比較時(shí)，要求使用同樣的數(shù)據(jù)集。而為了公平的比較，網(wǎng)絡(luò)的輸入大小通常都是224*224的大小，那為什么呢？你第一時(shí)間思考出答案了嗎？

【AI-1000問(wèn)】為什么深度學(xué)習(xí)圖像分類的輸入多是224*224

?

第2問(wèn)

相信大家也都知道LeNet5這個(gè)經(jīng)典的卷積神經(jīng)網(wǎng)絡(luò)，它有3個(gè)全連接層，輸出維度分別是120，84，10，不知道大家知不知道為什么倒數(shù)第2個(gè)全連接層的維度是84呢？這背后有一個(gè)有趣的小故事，考驗(yàn)論文是不是看得比別人細(xì)致，思考是不是比別人更多的機(jī)會(huì)來(lái)了。

【AI-1000問(wèn)】為什么LeNet5倒數(shù)第二個(gè)全連接層維度為84？

?

第3問(wèn)

做圖像處理的我們應(yīng)該都知道，OpenCV是我們必備的一個(gè)工具，在使用OpenCV讀取圖像時(shí)你應(yīng)該也發(fā)現(xiàn)了讀取出來(lái)的數(shù)組居然是BGR格式，而不是我們聽(tīng)的最多，用的最多的RGB格式，這是為什么呢？

【AI-1000問(wèn)】為什么OpenCV讀取的圖像格式是BGR？

?

第4問(wèn)

現(xiàn)在說(shuō)起人工智能，聊起AI，每個(gè)人或多或少都能說(shuō)出一點(diǎn)，從歷史到未來(lái)，從圖靈到馮諾依曼，從SVM到CNN等等，但是如果問(wèn)你是否知道機(jī)器學(xué)習(xí)和模式識(shí)別有什么區(qū)別？我相信大多數(shù)人很懵圈，這兩個(gè)東西有區(qū)別嗎？

【AI-1000問(wèn)】機(jī)器學(xué)習(xí)和模式識(shí)別是什么關(guān)系？

?

第5問(wèn)

人臉識(shí)別一直以來(lái)都是當(dāng)前生物特征識(shí)別研究的熱點(diǎn)之一，人臉識(shí)別技術(shù)在工業(yè)界應(yīng)用價(jià)值尤為突出。那么face detection、alignment、verification、identification(recognization)，你能分的清楚嗎？

【AI-1000問(wèn)】人臉識(shí)別的4個(gè)方向，你還分的清楚嗎？

?

第6問(wèn)

我們都知道在2014年ILSVRC比賽中GoogLeNet獲得了冠軍，其所用模型參數(shù)不足AlexNet的1/12，但性能卻比AlexNet好不少。那么為什么GoogLeNet要取一個(gè)跟作者名字沒(méi)有關(guān)系，也不能直接表現(xiàn)出網(wǎng)絡(luò)特點(diǎn)的InceptionNet作為名字呢？

【AI-1000問(wèn)】你知道為什么GoogLeNet也被稱為InceptionNet嗎？

?

第7問(wèn)

想必大家也都聽(tīng)過(guò)熵這個(gè)概念，也都知道softmax以及softmax loss這個(gè)概念，那么交叉熵和softmax loss有什么區(qū)別和聯(lián)系呢?。

【AI-1000問(wèn)】softmax loss和交叉熵有什么關(guān)系？

?

第8問(wèn)

想必熟悉圖像噪聲和和圖像信噪比的應(yīng)該都聽(tīng)說(shuō)過(guò)dB，一般監(jiān)控?cái)z像機(jī)的圖像信噪比是50dB，信噪比的典型值一般為45-55dB，若為50dB，則圖像有少量噪聲，但圖像質(zhì)量良好；若為60dB，則圖像質(zhì)量?jī)?yōu)良，不出現(xiàn)噪聲。說(shuō)了這么多dB，那你知道dB的由來(lái)嗎？

【AI-1000問(wèn)】為什么信號(hào)有單位而且是dB？

?

第9問(wèn)

在很多的書(shū)以及一些公開(kāi)數(shù)據(jù)集中，都會(huì)將數(shù)據(jù)集分為訓(xùn)練集，驗(yàn)證集和測(cè)試集，看起來(lái)驗(yàn)證集和測(cè)試集并沒(méi)有區(qū)別，為什么要分這兩個(gè)呢？

【AI-1000問(wèn)】訓(xùn)練為什么要分測(cè)試集和驗(yàn)證集

?

第10問(wèn)

我們知道現(xiàn)在在構(gòu)建CNN時(shí)大家喜歡用3*3的卷積，而不是早期的5*5，7*7等更大尺寸的卷積，如vgg系列網(wǎng)絡(luò)中全部使用了3*3的卷積。那么你知道為什么這樣做嗎？

【AI-1000問(wèn)】為什么現(xiàn)在大家喜歡用3*3小卷積？

?

第11問(wèn)

熟悉CNN應(yīng)該都知道常見(jiàn)的卷積核都是3*3或者5*5等，也就是奇數(shù)*奇數(shù)，似乎都沒(méi)看過(guò)偶數(shù)的，這是為什么呢？

【AI-1000問(wèn)】為什么CNN中的卷積核半徑都是奇數(shù)？

?

第12問(wèn)

大家都知道圖像分割(image segmentation)是怎么回事，就是將每個(gè)像素進(jìn)行分類。常常將圖像分割用于摳圖替換背景，但是摳圖真的只是圖像分割就能搞定嗎？為什么還有個(gè)技術(shù)叫做image matting呢？

【AI-1000問(wèn)】segmentation和matting有什么區(qū)別？

看了這么多，你在看我們答案之前，都能回答出幾個(gè)問(wèn)題呢？

然后就是重要通知了！主要有兩個(gè)。

1、圖文版本的《AI1000問(wèn)》以后將每天在知識(shí)星球更新。

2、視頻版本的《AI1000問(wèn)》以后將在bilibili同步更新。

感謝各位看官的耐心閱讀，不足之處希望多多指教。后續(xù)內(nèi)容將會(huì)不定期奉上，歡迎大家關(guān)注有三公眾號(hào) 有三AI！

?

?

總結(jié)

以上是生活随笔為你收集整理的【完结】AI1000问以后知识星球和B站见啦的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。