课程记录

文献综述

文献综述大体包括两种类型。一种是叙述型的文献综述，常见于学位论文或者学术专著中，这种文献综述是为作者后续的研究做铺垫的。另一种是评价型的文献综述，即文献综述本身就是作者所开展的研究

文献组合的逻辑有很多种，比较经典的逻辑即时间与空间的逻辑，在时间或空间的逻辑基础上，还需要对文献进行更为细致的分类与综述

如上所述不难发现，有价值的文献综述至少要满足以下三个要点：

第一，对相关领域研究文献尽可能的全面掌握、筛选甄别和有效阅读，尤其要找到关键作者和关键文献；

第二，根据一定的逻辑(时间、空间、研究对象、研究主题、理论模型、研究方法等)对文献进行归类与分析，最好能体现已有文献之间的继承关系、对话关系、驳斥关系等；

第三，在综述已有文献的研究时作者还要建立自己的观点，往往聚焦于已有文献研究的盲区、模糊点或者争议点，提出进一步的研究建议

学术性写作中，对文献的应用应当贯穿整个写作的过程。

一般有两种应用的场景：

第一种，文献本身就是研究的素材、文章的血肉和论证的关键

第二种场景更为常见，就是在写作时与文献的对话

 

计算机视觉目标识别、检测、分类、分割任务

分类：即给定一张图片或一段视频判断里面包含什么类别的目标。对于一幅图像来说，分类就是聚类，即分割；对于一组图像样本来说，分类是检测出样本中有相同目标的图像

目标检测：任务是给定一张图像或是一个视频帧，让计算机定位出这个目标的的位置并且知道目标物是什么，即输出目标的Bounding Box（边框）以及标签。

目标分割：

　　通常意义上的目标分割指的就是语义分割。语义分割 就是需要区分到图中每一个像素点，但是同一物体的不同实例不需要单独分割出来。

　　实例分割 其实就是目标检测和语义分割的结合。相对目标检测的边界框，实例分割可精确到物体的边缘；相对语义分割，实例分割需要标注出图上同一物体的不同个体（羊1，羊2，羊3...）

目标跟踪：　指在给定场景中跟踪感兴趣的具体对象或多个对象的过程。简单来说，给出目标在跟踪视频第一帧中的初始状态（如位置、尺寸），自动估计目标物体在后续帧中的状态

 

概念

Embedding就是从原始数据提取出来的Feature，也就是那个通过神经网络映射之后的低维向量。

我们已经知道表示颜色的三个维度有明确对应的物理意义（即RGB），直接使用物理原理就可以知道某一个颜色对应的RGB是多少。但是对于词，我们无法给出每个维度所具备的可解释的意义，也无法直接求出一个词的词向量的值应该是多少。所以我们需要使用语料和模型来训练词向量——把嵌入矩阵当成模型参数的一部分，通过词与词间的共现或上下文关系来优化模型参数，最后得到的矩阵就是词表中所有词的词向量。

我们已经知道表示颜色的三个维度有明确对应的物理意义（即RGB），直接使用物理原理就可以知道某一个颜色对应的RGB是多少。但是对于词，我们无法给出每个维度所具备的可解释的意义，也无法直接求出一个词的词向量的值应该是多少。所以我们需要使用语料和模型来训练词向量——把嵌入矩阵当成模型参数的一部分，通过词与词间的共现或上下文关系来优化模型参数，最后得到的矩阵就是词表中所有词的词向量。