图像分类：识别图像中的物体是什么
传统处理方法：采用人工设计的特征提取算法提取特征，再采用机器学习算法进行训练
从人工设计特征到学习特征的阶段：
如今，通常可以采用基于CNN或Transformer的网络进行特征提取
2012年，AlexNet的提出，开创了卷积神经网络时代
后续又逐步出现了VGG、GoggleNet等经典卷积神经网络，将卷积神经网络的相关研究推向了热潮。但随着卷积神经网络层数的加深，神经网络的预测效果并不理想，网络难以训练的问题开始出现。
残差学习的思想解决了模型退化问题。
ResNet性能优越的原因：
卷积参数量计算方式：
卷积计算量的计算方式
缩减模型参数量的方法：
随后，分组卷积和可分离卷积的出现，为模型轻量化进一步提供了可能性。
可分离卷积实现：单通道卷积+1*1卷积信息整合
基于可分离卷积，提出了MobileNet网络。
分组卷积：
Vision Tranformer的基本模块是Self-Attention：
Attention的计算方式：
Vision Transformer的实现：
监督学习：
然而数据标注的代价十分昂贵，由此近年来产生了自监督学习：
因篇幅问题不能全部显示，请点此查看更多更全内容