神经网络学习(六)----深度学习与机器学习的关系理解

1.复杂场景与多场景

复杂场景是指某一种场景（场所）的环境复杂程度。复杂程度包括目标的复杂性和背景环境的复杂性。目标的复杂性通常是指目标姿态、尺度、速度的变化和目标遮挡、消失等问题，背景环境的复杂性是指动态背景、光照变化、摄像机抖动等问题，目标和背景环境的复杂性严重影响了现有目标检测算法的准确性和应用范围。

多场景是指多种类场景（场所），例如交通十字路口、海岸边、花园里、室内和室外等。

2.人工智能、机器学习、神经网络和深度学习的关系

人工智能、机器学习、神经网络和深度学习关系见下图所示。

人工智能包含机器学习，机器学习是很多种方法和模型的总称，包含神经网络和深度学习（一种特殊的机器学习），神经网络是机器学习研究中的一个新的研究领域，是一种机器学习模型，目的是让机器能够自己掌握学习能力。深度学习是使用了深度神经网络的机器学习。

神经网络与深度神经网络的区别在于隐藏层级，通常两层或两层以上隐藏层的网络叫做深度神经网络，在神经网络与深度神经网络之间，深度神经网络要优于神经网络，因为对某个特定问题而言，隐藏层越多，精确度越高深度神经网络就是层数比较多的神经网络。

深度神经网络的网络有很多层，通常有两个隐藏层以上就可以叫深度神经网络；卷积神经网络是指网络隐藏层前端有卷积层。