RMSprop优化器,rmsprop _优化

什么是计算机视觉？

机器视觉是最常用的人工智能应用之一，比较好的介绍可以看维基百科。https://en.wikipedia.org/wiki/Computer_vision计算机视觉（Computer Vision）就是利用计算机来处理图像，获得我们想要的信息。在人工智能领域，计算机视觉的含义则更近一步，不再是简单的获取图像和对图像进行简单的处理，如裁剪、缩放、滤波等，而是如何像人一样理解图像。
这一领域的先驱可追溯到更早的时候，但是直到20世纪70年代后期，当计算机的性能提高到足以处理诸如图像这样的大规模数据时，计算机视觉才得到了正式的关注和发展。比如下面这张图，在人的眼里，能很容易识别出一个男人、斑马线、黑色的背包、手机等等，同时还可以理解到这些物体之间的关系，一个背着黑色背包的男人正打着电话在过斑马线。
甚至还可以进行进一步的推理，如根据这个男人的着装，那么他可能是一个喜欢运动的人。但是在计算机的眼里则是从0到255的数字（像素的范围），对于彩色图像，还有三个通道。那么我们如何让机器也能同人一样能够识别和理解蕴含在图中语义信息，这就是计算机视觉要做的事情。计算机视觉的目前主要包括：最基础的如物体的检测和识别，在此基础上的动作姿态识别，物体跟踪，图像修复和增强等。
更进一步的则是图像理解的研究。比如下面这张图，首先需要识别出来图中存在的所有的物体，给他们标签。比如左图中，识别出来大象（elephant）、河流（river）等等，甚至包括描述性的信息如脏（dirty）、躺（laying），站立（standing）等。再对这些标签进行语义上的重组，构成一句话。而该图中仍然存在不少问题，如识别出了图中不存在的物体如马、人等。
深度学习如何影响运筹学？

作者简介： @郝井华：清华大学运筹学博士，现任美团配送算法架构师，美团点评研究员。@成丰：北京大学智能科学系硕士中国国际金融贸易创新发展战略合作研究中心 · 特聘研究员。胖骁： @胖骁。@刘嘉耿：UCLA数学系毕业生。责任编辑： @文雨之：东北大学系统工程博士生， @爱牛氓的帆爷：东北大学系统工程硕士生。
本篇文章是由以上四位作者在知乎上的优秀回答，通过两位责任编辑整理修改而成。同时两位审稿专家也提出了修改建议，并且扩展和补充了一部分内容。敬请关注和扩散本公众号及同名专栏，会邀请全球知名学者陆续发布运筹学、人工智能中优化理论等相关干货、知乎Live及行业动态：前言最近看到一篇回答，YouTube 已将视频推荐全面改用深度学习实现。
但传统上，推荐系统落在运筹学的范畴，可以归结为一个矩阵补全（matrix completion）问题，用半正定规划（SDP）里的方法，如非负矩阵分解（NMF）解决，而 YouTube 的结果显示深度学习的预测准确率比传统方法好很多、快很多。其他运筹学的问题（如广告搜索、路径规划、定价估值、仓储物流）、形式（如 LP、CP、SDP、MIP）、和方法（如内点法、割平面法）也会遇到这样来自深度学习的挑战吗？如果会的话，将如何影响？学界和业界有哪些已有的讨论和成果？文中提及回答：王科：YouTube 的视频推荐算法是怎样的？:http://t.cn/RQR9nhK这个问题比较前沿一些，原来看起来相关性不那么强的技术领域，机器学习 VS 运筹学，因为深度学习的发展和突破，变得联系越来越紧密了。