摘要：但深度學(xué)習(xí)仍然只是解決計(jì)算機(jī)視覺領(lǐng)域內(nèi)問題的工具之一。深度學(xué)習(xí)有時(shí)是過擬合的。深度學(xué)習(xí)有時(shí)會發(fā)生過度擬合這可能是我支持傳統(tǒng)計(jì)算機(jī)視覺技術(shù)研究的最佳理由。

摘要： 深度學(xué)習(xí)大潮為什么淹沒傳統(tǒng)的計(jì)算機(jī)視覺技術(shù)？聽聽大牛怎么說~

這篇文章是受到論壇中經(jīng)常出現(xiàn)的問題所創(chuàng)作的：

這明顯是一個(gè)很好的問題，深度學(xué)習(xí)（DL）已經(jīng)徹底改變了計(jì)算機(jī)視覺（CV）和人工智能。許多曾經(jīng)看起來不可能解決的問題都解決了，機(jī)器獲得比人類更好的結(jié)果。圖像分類可能就是最好的例子。

但深度學(xué)習(xí)仍然只是解決計(jì)算機(jī)視覺領(lǐng)域內(nèi)問題的工具之一。它并不是解決該所有問題的萬能藥。在這篇文章中，我想詳細(xì)說明這一點(diǎn)。也就是說，我想闡述一下為什么傳統(tǒng)的計(jì)算機(jī)視覺技術(shù)仍然非常有用。

我將把這篇文章分成以下部分：

深度學(xué)習(xí)需要大數(shù)據(jù)。

深度學(xué)習(xí)有時(shí)是過擬合的。

傳統(tǒng)的計(jì)算機(jī)視覺知識可以將幫助你進(jìn)行深度學(xué)習(xí)。

但在我討論這些論點(diǎn)之前，我認(rèn)為有必要首先詳細(xì)解釋什么是“傳統(tǒng)的計(jì)算機(jī)視覺”、深度學(xué)習(xí)是什么以及它為什么如此有破壞力。

在進(jìn)行深度學(xué)習(xí)之前，如果你有諸如圖像分類之類的任務(wù)，這時(shí)你需要執(zhí)行一個(gè)稱為特征提取的步驟，特征提取是非常“有趣的”。我這篇文章中將要提到一些傳統(tǒng)的計(jì)算機(jī)視覺技術(shù)（包括諸如邊緣檢測，角點(diǎn)檢測，物體檢測等等）。

在使用這些技術(shù)時(shí)，例如在特征提取和圖像分類方面，我們想的是從一類對象（例如椅子，馬等）的圖像中提取盡可能多的特征，并將這些特征視為一種“定義”（被稱為“袋”）的對象。然后，你會在其他圖像中搜索這些“定義”。如果一個(gè)袋子中的大量特征位于另一個(gè)圖像中，則該圖像被分類為包含該特定對象（即椅子，馬等）。

這種圖像分類特征提取方法的難點(diǎn)在于，你必須選擇在每個(gè)給定圖像中查找哪些特征。當(dāng)你嘗試分類的類別數(shù)量開始增加，例如10或20時(shí)，這會變得很麻煩并且變得幾乎不可能。你是否尋找邊緣？紋理信息？使用不同類型的功能可以更好地描述不同類別的對象。如果你選擇使用許多特征，則必須處理大量參數(shù)，所有這些參數(shù)都必須由你進(jìn)行微調(diào)。

那么，深度學(xué)習(xí)介紹了端到端的學(xué)習(xí)概念，其中（簡而言之）機(jī)器被告知要針對每個(gè)特定類別的對象學(xué)習(xí)要尋找什么。它為每個(gè)對象提供了最具描述性和顯著的特征。換句話說，神經(jīng)網(wǎng)絡(luò)已經(jīng)被告知發(fā)現(xiàn)圖像類別中的底層模式。

因此，通過端到端的學(xué)習(xí)，你不再需要手動(dòng)決定使用傳統(tǒng)計(jì)算機(jī)視覺技術(shù)來描述你的特征。有線雜志這樣說道：

例如，如果你想教一個(gè)神經(jīng)網(wǎng)絡(luò)來識別一只貓，那么你不要告訴它尋找胡須，耳朵，毛皮和眼睛。你只需要展示成千上萬張貓的照片，最終就能解決問題。如果它將狐貍誤分類為貓，你不需要重寫代碼，你只需要做的是繼續(xù)訓(xùn)練。

下面的圖片描繪了特征提?。ㄊ褂脗鹘y(tǒng)的方法）和端到端學(xué)習(xí)之間的差異：

所以，這是整篇文章的背景。接下來，讓我們來看看為什么傳統(tǒng)的計(jì)算機(jī)視覺仍然是必要的，有益的。

首先，深度學(xué)習(xí)需要數(shù)據(jù)，很多很多的數(shù)據(jù)。上面提到的那些著名的圖像分類模型都是在大數(shù)據(jù)集上進(jìn)行訓(xùn)練的，這些用于訓(xùn)練的數(shù)據(jù)集的前三名是：

ImageNet——包含 1000個(gè)對象類別/類的 150萬個(gè)圖像。
上下文中的Microsoft通用對象（COCO）——250萬個(gè)圖像，91個(gè)對象類別。
PASCAL VOC數(shù)據(jù)集 ——500K圖像，20個(gè)對象類別。
比一般圖像分類更容易的任務(wù)不需要這么多的數(shù)據(jù)，但你仍然需要很多數(shù)據(jù)。如果你無法獲得那么多的數(shù)據(jù)，你根本不知道會發(fā)生什么？（確實(shí)也有一些技巧可以提高你的訓(xùn)練數(shù)據(jù)量，但這些是人為的方法）。

沒有充足的數(shù)據(jù)，訓(xùn)練出來的模型一般表現(xiàn)都不好，因?yàn)橐慌_機(jī)器沒有洞察能力，它不能在沒有看到數(shù)據(jù)的情況下概括它看到的東西。

對于你來說，看到訓(xùn)練好的模型并且手動(dòng)調(diào)整一些東西太困難了，因?yàn)樯疃葘W(xué)習(xí)模型里面有數(shù)百萬個(gè)參數(shù)，其中每個(gè)參數(shù)在訓(xùn)練過程中都會被調(diào)整。從某種意義上說，深度學(xué)習(xí)模式是一個(gè)黑匣子。

傳統(tǒng)的計(jì)算機(jī)視覺為你提供了充分的透明度，使你能夠更好地評估和判斷你的解決方案是否可以在訓(xùn)練環(huán)境之外進(jìn)行工作。你可以深入了解算法中存在的問題，如果有任何不妥，你可以很容易地弄清楚在哪里以及需要調(diào)整什么。

這可能是我支持傳統(tǒng)計(jì)算機(jī)視覺技術(shù)研究的最佳理由。訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)需要很長時(shí)間，你需要專用硬件（例如，高性能GPU），在很長的時(shí)間內(nèi)訓(xùn)練最新的最先進(jìn)的圖像分類模型。

此外，如果你的訓(xùn)練模型表現(xiàn)不佳，會發(fā)生什么？你必須返回并用不同的訓(xùn)練參數(shù)重做整個(gè)過程，而且這個(gè)過程有時(shí)可能重復(fù)數(shù)百次。

但有時(shí)候這些都是不必要的，因?yàn)橛袝r(shí)傳統(tǒng)的CV技術(shù)可以比DL更有效地解決問題，并且代碼行數(shù)更少。例如，我曾經(jīng)參與過一個(gè)項(xiàng)目，以檢測通過傳送帶的每個(gè)錫罐是否有紅色的勺子?，F(xiàn)在，你可以訓(xùn)練一個(gè)深度神經(jīng)網(wǎng)絡(luò)來檢測勺子，或者你可以對紅色上編寫簡單的顏色閾值算法（紅色的某個(gè)范圍內(nèi)的任何像素都是白色的，每個(gè)其他像素是黑色的），然后計(jì)算你有多少白色像素。

了解傳統(tǒng)的計(jì)算機(jī)視覺可能會為你節(jié)省大量時(shí)間和減少一些不必要的麻煩。

理解傳統(tǒng)的計(jì)算機(jī)視覺實(shí)際上可以幫助你更好地進(jìn)行深度學(xué)習(xí)。

例如，計(jì)算機(jī)視覺中使用的最常見的神經(jīng)網(wǎng)絡(luò)是卷積神經(jīng)網(wǎng)絡(luò)。但什么是卷積？它實(shí)際上是一種廣泛使用的圖像處理技術(shù)（例如參見Sobel邊緣檢測）。了解這可以幫助你了解你的神經(jīng)網(wǎng)絡(luò)做了什么，因此可以更好地設(shè)計(jì)和調(diào)整你嘗試解決的任務(wù)。

然后還有一件事叫做預(yù)處理。這是經(jīng)常對你提供的模型的數(shù)據(jù)進(jìn)行準(zhǔn)備以進(jìn)行訓(xùn)練。這些預(yù)處理步驟主要通過傳統(tǒng)的計(jì)算機(jī)視覺技術(shù)來完成。例如，如果你沒有足夠的訓(xùn)練數(shù)據(jù)，則可以執(zhí)行稱為數(shù)據(jù)增加的任務(wù)。數(shù)據(jù)增加可以包括對訓(xùn)練集中的圖像執(zhí)行隨機(jī)旋轉(zhuǎn)，移位，剪切等，以創(chuàng)建“新”圖像。通過執(zhí)行這些計(jì)算機(jī)視覺操作，你可以大大增加你擁有的訓(xùn)練數(shù)據(jù)量。

在這篇文章中，我解釋了為什么深度學(xué)習(xí)沒有取代傳統(tǒng)的計(jì)算機(jī)視覺技術(shù)，為什么后者仍應(yīng)該學(xué)習(xí)。首先，我發(fā)現(xiàn)了DL經(jīng)常需要大量數(shù)據(jù)才能執(zhí)行的問題。其次，深度學(xué)習(xí)對于特定任務(wù)來說可能會出現(xiàn)過度擬合現(xiàn)象。在這樣的任務(wù)中，標(biāo)準(zhǔn)的計(jì)算機(jī)視覺可以比DL更有效地解決問題，并且代碼行數(shù)更少。第三，認(rèn)識傳統(tǒng)的計(jì)算機(jī)視覺實(shí)際上可以讓你更好地進(jìn)行深度學(xué)習(xí)。這是因?yàn)槟憧梢愿玫亓私釪L到底正在做什么，并且你可以執(zhí)行某些預(yù)處理步驟來改善DL結(jié)果。

簡而言之，深度學(xué)習(xí)只是計(jì)算機(jī)視覺的工具，當(dāng)然不是萬能藥。不要只用它，因?yàn)樗F(xiàn)在是新潮。傳統(tǒng)的計(jì)算機(jī)視覺技術(shù)仍然非常有用，知道它們可以為你節(jié)省時(shí)間和解決許多麻煩。

本文由阿里云云棲社區(qū)組織翻譯。

文章原標(biāo)題《Why Deep Learning Has Not Superseded Traditional Computer Vision》

作者：Zbigniew

更為詳細(xì)的內(nèi)容，請查看原文