Глубокое обучение для компьютерного зрения: краткий обзор

В последние годы было показано, что методы глубокого обучения превосходят современные методы машинного обучения, применявшиеся ранее, в ряде областей, причем компьютерное зрение является одним из наиболее ярких примеров. В данной обзорной статье представлен краткий обзор некоторых наиболее значимых архитектур глубокого обучения, используемых в задачах компьютерного зрения, а именно сверточных нейронных сетей, глубоких машин Больцмана и глубоких сетей убеждений, а также многослойных шумоподавляющих автокодировщиков. Кратко рассматриваются их история, структура, преимущества и ограничения, после чего описываются их применения в различных задачах компьютерного зрения, таких как обнаружение объектов, распознавание лиц, распознавание действий и видов активности, а также оценка позы человека. В заключение представлен краткий обзор перспективных направлений разработки архитектур глубокого обучения для задач компьютерного зрения и связанных с этим проблем.