本文的主要针对的是完全不懂深度学习的人群，该行业人员请绕路，谢谢！
什么是深度学习？
深度学习是机器学习领域的一个研究方向，从个人角度来看，深度学习和机器学习最大的不同点在于机器学习具备可解释性、而深度学习属于盲盒操作。
深度学习的发展主要源于卷积神经网络的出现，卷积网络主要用来提取图像特征，要了解卷积神经网络是什么，首先要了解其输入，卷积网络的输入是图片，在计算机中，从0-255表示不同的颜色，所有的颜色均可以由红、绿、蓝来组成，所以图片在计算机中是以一个3层的矩阵存在的。卷积网络就是在这个3层矩阵上，经过层层操作，从而提取到图像特征的。这里的层层操作是利用卷积核来实现的，卷积核有大有小，常用的包含1x1，3x3，5x5，7x7，在每一个卷积层操作中，卷积核的大小和数量是不固定的，卷积核越大，则感受野越大，数量越多，越能提取到更深层次的特征，卷积网络最终的输出为提取到的特征图，通常称为feature map。
如下是卷积核提取特征的计算方式：
常用的卷积网络有Alexnet，VGG，ResNet， MobileNet等。
可以看到从 2013 年 AlexNet 出现之后的几年，模型的精度有了迅速的提升。 2016 年出现的ResNet 系列和 Inception V3 把模型分类精度提升到 80%。在随后的发展过程中，模型分类精度的提升开始变困难，一直到2021 年业界精度最高的模型（ViT-G/14) 的分类精度大概在 90.5% 左右。
上述提到的卷积网络均是用于分类任务的，比如输入一张照片，判断照片中是猫还是狗，除了分类任务之外，深度学习还用于目标检测任务，即判断照片中猫或者狗的具体位置。目标检测任务通常以上述提到的经典分类卷积网络作为backbone，即主干网络，再加上一个head网络，用于预测物体的坐标信息，其中最出名的就是Faster rcnn，以VGG16为主干网络。目标检测常见算法还包括yolo系列和SSD，yolo系列目前已发展到yolov7，在速度方面远超faster rcnn，应用最为广泛。
