CV算法中的行业黑话你了解多少?

↑ 点击 蓝字  关注极市平台

作者 |  Yulong@知乎
原文 | https://mp.weixin.qq.com/s/AJHrAxWhWPlvvhurEX8KHQ
编辑 | 极市平台
本文只用作学术讨论，如有侵权请联系删除。

极市导读

 

大牛们讨论高深的cv术语和算法，究竟是什么？一起来起底行业黑话。>>加入极市CV技术交流群，走在计算机视觉的最前沿

刚进CV中的算法团队，大牛们讨论高深的cv术语和算法，如何才能听懂？

feature：一个数组

representation：还是一个数组

embedding：把输入映射成数组

提高泛化性：预测更准了

过拟合：训练过头了

attention：加权

adaptive：还是加权

few-shot learning：看了几个样本就学

zero-shot learning：一个没看就开始瞎蒙

self-supervised：自学

semi-supervised：教一点自学一点

unsupervised：没人教了，跟谁学？

end-to-end：一套操作，行云流水搞到底

multi-stage：发现不行，还得一步一步来

domain：我圈起来一堆样本，就管他叫一个domain

transfer：我非得在这一堆样本上训练，用在另一堆样本上，就是不直接训练，就是玩～

adversarial：我加了一部分就是让loss增大

robust：很稳我不会让loss变大的（但也不容易变小了）

state of the art（sota）：我（吹nb）第一

outperform：我虽然没第一，但是我比baseline强

baseline：(故意)选出来的方法，让我能够outperform

empirically：我做实验了，不知道为啥work

theoretically：我以为我知道为啥work，但没做实验，或者只做了个toy model

multi开头词组

multi-task：把几个loss加一起，完事

multi-domain：把几堆儿样本混一块训练，完事

multi-modality：把视频语音文字图像graph点云xxx混一块训练，完事

multi-domain multi-modal multi-media model：mua～mua～mua～mua……

如果觉得有用，就请分享到朋友圈吧！

△点击卡片关注极市平台，获取 最新CV干货

公众号后台回复“transformer”获取最新Transformer综述论文下载～

极市干货

课程/比赛： 珠港澳人工智能算法大赛 ｜保姆级零基础人工智能教程

算法trick ： 目标检测比赛中的tricks集锦 ｜ 从39个kaggle竞赛中总结出来的图像分割的Tips和Tricks

技术综述： 一文弄懂各种loss function ｜ 工业图像异常检测最新研究总结（2019-2020）

# CV技术社群邀请函 #

△长按添加极市小助手

添加极市小助手微信（ID : cvmart4）

备注：姓名-学校/公司-研究方向-城市（如：小极-北大-目标检测-深圳）

即可申请加入极市目标检测/图像分割/工业检测/人脸/医学影像/3D/SLAM/自动驾驶/超分辨率/姿态估计/ReID/GAN/图像增强/OCR/视频理解等技术交流群

每月大咖直播分享、真实项目需求对接、求职内推、算法竞赛、干货资讯汇总、与 10000+来自港科大、北大、清华、中科院、CMU、腾讯、百度等名校名企视觉开发者互动交流~

觉得有用麻烦给个在看啦~