深度学习正在改变一些特定领域的基础

[OysterQAQ]

最近在做一个反向图片检索引擎，在图片特征抽取的那步对比了传统计算机图形学的指纹提取例如 sift 与深度学习相关的 cnn，发现相较于 sift 来说 cnn 的方式对于图片的裁剪和模糊都有很强的抗性，就算使用他人预训练的模型不加修改都能获得很好的效果，一定程度上能识别出动作，角色，着装之类的信息，感叹大数据与深度学习结合起来竟是如此神奇

[Stoulla]

吐槽一个，你所说的这些都是 feature extraction 的工作。深度学习无非是相较于人工构建的 feature 来说，能获取到更细微的 feature 。

而所谓的深度学习，则是用非线性的函数去拟合一个实际的函数而已。无论是之前人工构建的 feature,还是现在用深度学习构建的 feature,都不过是在更好的拟合真实的函数而已。

按照这样的说法，深度学习也就没那么神奇了，依赖于大量的数据进行更好的拟合，也就是理所当然的了。

其实现在的方向与其说是用深度学习去完成某某工作，倒不如考虑到如何把模型做小做快，这反倒是更为重要的一个方向。比如你说的 sift,虽然在运算资源充足的情况下被最简单的 cnn 吊着打，但在 edge device 上，sift 仍然占有很重要的地位就是。