有用深度学习算法来做图像分割的吗 在图像问题中所说的深度学习是指什么

有用深度学习算法来做图像分割的吗

深度学习做图像分割大概是从2014年/2015左右开始的，因为深度学习对于训练集非常依赖，当Pascal VOC和COCO等数据集开放后就出了很多图像处理算法。如FCN、SegNet、Deconvnet、Deeplab等。

在图像问题中所说的深度学习是指什么

深度学习在物体识别上的另一个重要突破是人脸识别。人脸识别的最大挑战是如何区分由于光线、姿态和表情等因素引起的类内变化和由于身份不同产生的类间变化。这两种变化的分布是非线性的，且极为复杂，传统的线性模型无法将它们有效区分开。深度学习的目的是通过多层的非线性变换得到新的特征表示。这些新特征须尽可能多地去掉类内变化，而保留类间变化。

深度学习调参有哪些技巧

1.学习率fixed lr从0.01到10的-6或-7就可以了
2.参数初始化：高斯 若某两层的梯度计算相差太大，就要调整小的那层的std了
3.激活函数relu bn
4.数据预处理方式：zero-center
5.梯度裁剪： 限制最大梯度 或者设置阀值，让梯度强制等于10,20等
6.对于小的数据集，dropout=0.5和L2正则化项，效果不错
7.优化方法：SGD Momentum 效果往往可以胜过adam等，虽然adam收敛更快，据说初始几轮momentum设置的小一点会更好，这点待验证。
8.rnn trick batch size=1效果会更好（待验证）

9.early stop 或者 有个初始模型接着训练
10.参数初始化：可以先用随机初始化的方式训练一个简单的网络模型，再将训练好的权值初始化给复杂的网络模型，复杂的网络模型采用高斯初始化可能会更好（VGG）