迁移学习在计算机视觉问题中的应用：当前进展、局限性与机会综述

文章预览

计算机视觉（CV）领域面临着许多挑战。最初，它依赖于手工设计的特征和基于规则的算法，导致精度有限。机器学习（ML）的引入带来了进展，特别是迁移学习（TL），通过重用预训练模型解决了各种CV问题。迁移学习需要较少的数据和计算资源，同时提供接近相同的精度，使其成为CV领域的重要技术。我们的研究重点在于迁移学习的发展，以及CV应用如何利用它来解决现实世界中的问题。我们讨论了最近的发展、局限性和机会。 1 引言 近年来，存储容量和计算能力大幅提升，尤其是在互联网和云服务的扩展下。人工智能（AI）是这一扩展的主要受益者之一。然而，即使在这些令人印象深刻的发展下，AI模型仍然面临数据和计算能力不足的问题。因此，能够有效利用这些能力的公司最终处于有利的竞争地位，正如Verizon研究中77%的企业所证实的那样[5] ………………………………