经典方法与深度学习方法应对计算机视觉挑战的比较
计算机视觉与模式识别
2021-10-12 v3
摘要
计算机视觉与图像处理涉及许多具有挑战性的应用。尽管过去十年中深度神经网络架构革新了这些领域，早期方法依赖于“经典”的，即非学习的方法。在本研究中，我们探究经典方法与深度学习（DL）算法之间的差异，以获得关于何者更适用于给定应用的新见解。重点放在两个具有挑战性的病态问题，即微弱边缘检测与多光谱图像配准，研究近期最先进的 DL 与经典解决方案。尽管这些 DL 算法在准确率和开发时间上优于经典方法，它们往往具有更高的资源需求，并且无法在其训练空间之外执行。此外，经典算法更具透明性，这促进了其在现实应用中的采用。由于两类方法均有独特的优势与局限，解决方案的选择显然依赖于具体应用。
引用
@article{arxiv.2101.09744,
title = {Classic versus deep learning approaches to address computer vision challenges},
author = {Nati Ofir and Jean-Christophe Nebel},
journal= {arXiv preprint arXiv:2101.09744},
year = {2021}
}