人类大脑中，大约有1000亿个神经元，每个神经元与大约10万个神经元相连。从本质上说，这就是我们想要创造的，在某种程度上，这对机器来说是可行的。
深度学习的目的是模仿人类大脑的工作方式。这在神经元，轴突，树突等方面意味着什么？嗯，神经元有胞体，树突和轴突。来自一个神经元的信号沿着轴突传播并转移到下一个神经元的树突。传递信号的那个连接被称为突触。
03 深度学习
3.1 基础
3.1.0 Tensorflow
3.1.1 深度学习应用
· 人脸识别，手机解锁和高铁通行验证 扫脸支付
· 医疗影像诊断:放射性拍片-提升超分辨率
· 工业4.0： 预测性维护是指用连续的数据收集来预测设备故障
· 无人零售 · 深度强化学习(Alpha zero等)
· AUTOML-机器学习自动化
· 自动驾驶：（百度Apollo，Google的Waymo）
· 自动辅助系统
· 跟车系统
· 高速自动巡航系统
· 自动泊车系统 自动运输卡车
· 农作物监测：管理杀虫剂、发现问题，预测天气变化如何影响农业
· 药物发现:缩短药物发现周期
3.1.2 基本概念
- 感知机模型
- 反向传播
- 正向传播
- 多层反向传播
3.2 CNN(convolutional Neural Networks)
卷积神经网络
==结构==
- 数据输入层：Input Layer （图片）
- 卷积计算层：CONV Layer
- ReLU激励层：ReLU Incentive Layer （激活）
- 池化层：Pooling Layer （下采样）
- 全连接层：FC Layer
3.3 RNN(Recurrent Neural Network)
循环神经网络
3.4 GANS(Generative Adversarial Networks)
生成对抗神经网络
04 计算机视觉
大规模(大数据量)图片识别(聚类/分类)，如人脸识别，车牌识别，OCR
以图搜图，图像分割 目标检测，如自动驾驶的行人检测，安防系统的异常人群检测
目标检测 图像定位
- Alex Net
- SPP Net
- CNN-VGGNet
- Fast R-CNN
- Fast R-CNN RPN
- Faster RCNN
- R FCN
- YOLO
- YOLO v1
- YOLO v2
- YOLO v3
- SSD
- Cascade R-CNN
图像分类
- VGG
- GoogleNet
- RestNet
3D目标检测
- Anchor Free
- Anchor Free_UnitBox
- Anchor Free_FSAF
- Anchor Free_FCOS
- Anchor Free_CenterNet
- Anchor Free_CornerNet
- Anchor Free_CornerNet-Lite
- Anchor Free_GA RPN