OpenMMlab训练营学习笔记（二）

今天的课程主要叙述图像分类与基础视觉模型，从图像分类到数学模型的转化需要建立一系列的函数，让机器在数据中学习。传统的机器学习是根据图像的各种特征进行函数的调配，而特征学习则是直接学习如何寻找特征，卷积神经网络CNN能够实现一步特征的提取，深度学习能够提升特征提取的精度和图像的还原度。

此外，卷积神经网络中的VGG和残差网络作为主要部分，通过改进转变为轻量级CNN，该CNN着重注意特征值的权重，通过设立注意力机制来增强特征，减少不必要的资源浪费。模型学习也是深度学习的主要内容，从一开始的监督学习到无监督学习进行模型的优化，从而提升学习率。