本文主要是介绍传统高精度机器视觉与深度学习机器视觉如何结合？(占坑)，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
总结一下： 在简单、固定的情形里面，传统算法或许能在计算资源消耗上优于深度学习，但是算法的表现最多只能是媲美训练perfect的深度学习模型；但是在复杂且干扰甚多的情形下，传统算法综合来说无法媲美深度学习模型。
那么传统算法如何同深度学习结合了？我根据工作经验认为主要有以下几点：
- 数据预处理， 深度学习算法的前期数据预处理阶段需要使用传统算法进行增强，比如对某些有“缺陷”的样本进行初步筛选，比如对有些你需要网络学习的特征进行增强处理等等。
- 在某些深度学习模型中提供参考，比如在某些condition GAN 里面，使用传统算法提取出的某些特征也作为输入参量一并输入
- 设计loss 函数，比如在图像风格转换、超分辨领域，使用SSIM等loss。
因此作为合格的图像算法工程师，对于传统算法和深度学习算法都应该有所了解。
这篇关于传统高精度机器视觉与深度学习机器视觉如何结合？(占坑)的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
