来自吴老师的总结：

在计算机视觉领域，我们目前在数据量这里遇到的问题是，与相对简单的图像分类不同，目标检测，语义分割这类数据集制作成本比较高，所以在数据这方面还算是数据量小的。

数据量VS 代码量：

如果我们拥有比较大的数据量，我们使用简单的模型就能得到较好的效果。而如果数据量较小，则需要我们构建更复杂的网络来获取有限数据量的更多特征。

迁移学习：

在我们只有少量数据的情况下，使用迁移学习成了一个更好的选择。
当我们拥有大量的数据的时候，迁移学习可以不冻结，可直接将其作为一个初始权重传入网络中。

# 计算机视觉 # 深度学习
Logo
DAMO开发者矩阵

DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。

更多推荐

cover

英伟达 AI 芯片：架构演进与智能时代的算力基石

avatar DAMO开发者矩阵

AI Agent是什么？以及主要的应用场景

AI Agent是一种以目标为导向的智能体，能够自主思考、规划并执行任务。它由大语言模型(LLM)作为核心大脑，结合感知、规划、工具使用和记忆四大组件，具备主动完成任务的能力。与传统聊天机器人不同，AI Agent具有自主性、工具调用能力和持续记忆。主要应用包括：1)自动化编程和DevOps；2)企业流程自动化；3)个人智能助理；4)深度知识研究；5)游戏NPC开发；6)多智能体协作系统。当前最成

avatar DAMO开发者矩阵

ROS+YOLOv5机器人自主导航系统：视觉感知+全局/局部规划完整设计与实现

再结合路径规划算法（比如A*），机器人就能“思考”出从起点到目标的最优路线，避开障碍，这就是完整的视觉导航逻辑。你做的这个“基于YOLOv5的机器人视觉导航系统”，能让机器人在复杂环境里“看见”障碍物和目标，还能自己规划路线绕开障碍、奔向目标。别怕，咱们今天就把“基于YOLOv5的机器人视觉导航系统”拆解开，从数据准备到模型训练，再到路径规划和UI界面，我带着你一步步搞定。咱们用Tkinter做个

avatar DAMO开发者矩阵