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
有哪些深度学习效果不如传统方法的经典案例？从算法的角度来看，Elsagate 事件暴露出了「自动推荐」的哪些问题，该如何规避？
如何评价Hinton组的新工作SimCLR?
计算复杂性理论是否具有足够的现实意义，如今有哪些比较「现实」的应用？
如何看待字节跳动算法工程师猝死，妻子怀孕两个月？当前情况如何？
有没有可能运用人工神经网络将一种编程语言的代码翻译成任意的另一种编程语言，而不经过人工设计的编译过程？
逃离丧尸包围的游戏，你能否逃生？
想学好计算机算法，是否需要重新学数学呢?
如何评价mixup: BEYOND EMPIRICAL RISK MINIMIZATION？
有哪些「上帝算法」？
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
数据结构与算法中，树一般会应用在哪些方面？为什么？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？
机器学习中的机器是如何分辨哪些是有用的知识，哪些是没用的信息呢？
2018年了，MXNet 发展的如何了？
为什么有些学数学的看不惯甚至鄙视 Deep Learning？
如何看待阿里 P8 加面 coding 环节，而 P7 却做不出头条算法题？
如何评价FAIR提出的ConvNeXt：CNN匹敌Swin Transformer?
人工智能退潮期来了吗？
计算机视觉中，目前有哪些经典的目标跟踪算法？
2022 年人工智能领域的发展趋势是什么？你都有哪些期待？
能否使用区块链的算力来解决深度学习训练？
想在业余时间刷leetcode，配合什么书籍/课程/视频网站一起刷leetcode的效率最高？
BERT中，multi-head 768*64*12与直接使用768*768矩阵统一计算，有什么区别？
有哪些深度学习效果不如传统方法的经典案例？
为什么CV能做到让一幅人脸图动了笑了，而NLP的text-style-transfer进展貌似一般？
ICLR 2019 有什么值得关注的亮点？
如何看待 Richard Sutton 说的「人工智能中利用算力才是王道」？
我们高中数学为什么不重视算法？高中学的数列，三角函数，求导，圆锥曲线相关问题的解法和算法有什么关系？
nlp有哪些值得完整实现一遍的算法?
在文本分类任务中，有哪些论文中很少提及却对性能有重要影响的tricks？
为什么现在有这么多人工智能无用论？
Graph Attention Network的本质是什么？
天天P图中我的小学生证件照功能怎么实现的？算法是什么样？
梯度下降法的神经网络容易收敛到局部最优，为什么应用广泛？
高斯模糊的原理是什么，怎样在界面中实现？
AI 有可能代替人类从事数学研究吗？
batchsize=1时可以用BN吗?
如何激怒一位计算机科学爱好者？
如何看待人工智能领域的很多专家认为「人工智能将对人类存亡造成威胁」的观点？
如何评价全新的图片格式BPG，它会在将来彻底取代JPG吗？