文/編輯 | 言有三

學習從來都是從大處著眼，小處著手。前段時間公眾號開通了專欄《AI 1000問》，專門選擇那些很小，容易被忽視，普通但是不簡單，可以引申很多思考的問題，得到了大家的喜歡，現在已經12期了。

因為知識點無法系統性串接，而且內容更新會不定時，所以后續AI1000問就會全部并入知識星球了，歡迎繼續來關注噢。

下面我們再來回顧一下之前的12個問題吧，在沒有看我們公眾號內容之前，你都能回答出來嗎？

?

第1問

做過圖像分類項目或者看過文章的小伙伴們應該都知道，在論文中進行各類方法的比較時，要求使用同樣的數據集。而為了公平的比較，網絡的輸入大小通常都是224*224的大小，那為什么呢？你第一時間思考出答案了嗎？

【AI-1000問】為什么深度學習圖像分類的輸入多是224*224

?

第2問

相信大家也都知道LeNet5這個經典的卷積神經網絡，它有3個全連接層，輸出維度分別是120，84，10，不知道大家知不知道為什么倒數第2個全連接層的維度是84呢？這背后有一個有趣的小故事，考驗論文是不是看得比別人細致，思考是不是比別人更多的機會來了。

【AI-1000問】為什么LeNet5倒數第二個全連接層維度為84？

?

第3問

做圖像處理的我們應該都知道，OpenCV是我們必備的一個工具，在使用OpenCV讀取圖像時你應該也發現了讀取出來的數組居然是BGR格式，而不是我們聽的最多，用的最多的RGB格式，這是為什么呢？

【AI-1000問】為什么OpenCV讀取的圖像格式是BGR？

?

第4問

現在說起人工智能，聊起AI，每個人或多或少都能說出一點，從歷史到未來，從圖靈到馮諾依曼，從SVM到CNN等等，但是如果問你是否知道機器學習和模式識別有什么區別？我相信大多數人很懵圈，這兩個東西有區別嗎？

【AI-1000問】機器學習和模式識別是什么關系？

?

第5問

人臉識別一直以來都是當前生物特征識別研究的熱點之一，人臉識別技術在工業界應用價值尤為突出。那么face detection、alignment、verification、identification(recognization)，你能分的清楚嗎？

【AI-1000問】人臉識別的4個方向，你還分的清楚嗎？

?

第6問

我們都知道在2014年ILSVRC比賽中GoogLeNet獲得了冠軍，其所用模型參數不足AlexNet的1/12，但性能卻比AlexNet好不少。那么為什么GoogLeNet要取一個跟作者名字沒有關系，也不能直接表現出網絡特點的InceptionNet作為名字呢？

【AI-1000問】你知道為什么GoogLeNet也被稱為InceptionNet嗎？

?

第7問

想必大家也都聽過熵這個概念，也都知道softmax以及softmax loss這個概念，那么交叉熵和softmax loss有什么區別和聯系呢?。

【AI-1000問】softmax loss和交叉熵有什么關系？

?

第8問

想必熟悉圖像噪聲和和圖像信噪比的應該都聽說過dB，一般監控攝像機的圖像信噪比是50dB，信噪比的典型值一般為45-55dB，若為50dB，則圖像有少量噪聲，但圖像質量良好；若為60dB，則圖像質量優良，不出現噪聲。說了這么多dB，那你知道dB的由來嗎？

【AI-1000問】為什么信號有單位而且是dB？

?

第9問

在很多的書以及一些公開數據集中，都會將數據集分為訓練集，驗證集和測試集，看起來驗證集和測試集并沒有區別，為什么要分這兩個呢？

【AI-1000問】訓練為什么要分測試集和驗證集

?

第10問

我們知道現在在構建CNN時大家喜歡用3*3的卷積，而不是早期的5*5，7*7等更大尺寸的卷積，如vgg系列網絡中全部使用了3*3的卷積。那么你知道為什么這樣做嗎？

【AI-1000問】為什么現在大家喜歡用3*3小卷積？

?

第11問

熟悉CNN應該都知道常見的卷積核都是3*3或者5*5等，也就是奇數*奇數，似乎都沒看過偶數的，這是為什么呢？

【AI-1000問】為什么CNN中的卷積核半徑都是奇數？

?

第12問

大家都知道圖像分割(image segmentation)是怎么回事，就是將每個像素進行分類。常常將圖像分割用于摳圖替換背景，但是摳圖真的只是圖像分割就能搞定嗎？為什么還有個技術叫做image matting呢？

【AI-1000問】segmentation和matting有什么區別？

看了這么多，你在看我們答案之前，都能回答出幾個問題呢？

然后就是重要通知了！主要有兩個。

1、圖文版本的《AI1000問》以后將每天在知識星球更新。

2、視頻版本的《AI1000問》以后將在bilibili同步更新。

感謝各位看官的耐心閱讀，不足之處希望多多指教。后續內容將會不定期奉上，歡迎大家關注有三公眾號 有三AI！

?

?

總結

以上是生活随笔為你收集整理的【完结】AI1000问以后知识星球和B站见啦的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。