1.数据增强 对图片可以进行裁剪，色调变换，亮度变换，（亮度，对比度，饱和度，和色调） 2.预训练 + 微调 底层的特征更加通用，高层次的特征更跟数据集相关 3.统计模型 ， 优化算法
4.图像检测：数据集COCO，边缘框：图像真实的位置，锚框：计算机预测的位置， 目标检测步骤：1）.提出多个被称为锚框的区域（边缘框）2）.预测每个锚框里面是否含有关注的物体（将每个锚框要么标注成背景，要么关联上一个真实的边缘框） 3）.如果是，预测从这个锚框到真实边缘框的偏移。（至少找到一个锚框跟边缘框关联起来，）NMS：非极大值抑制，主要用来合并相似的预测，（选中是非背景类的最大预测值，去掉所有其他和它IOU值大于θ的预测） 总体来说： 首先生成大量锚框，并赋予标号，每个锚框作为一个样本进行训练，在预测时，使用NMS来去掉冗余的预测。
5.w,h为宽高 s为锚框大小， r为锚框的高宽比，生成以每个像素为中心具有不同形状的锚框
启发式搜索算法选择锚框，ROI 物体检测 RCNN -> Fast RCNN -> Faster R-Cnn （分两个stage) -> mask R-cnn (精度高，效率低) 单stage SSD 物体检测： Yolo系列 ， DETR
6.告别框框，进行语义分割 语义分割数据集： Pascal VOC2012 语义分割对每个像素做分类
7.转置卷积：它通常用来作上采样，只是形状转置，值（大小）不恢复
8.对见过的数据建模，称为自回归模型 马尔可夫假设： 假设当前数据只跟T个数据相关， 潜变量模型：使用潜变量来概括历史信息，RNN是潜变量模型
9.语言模型：n元语法（一元，二元，三元...）语言模型（基于马尔可夫）
10.潜变量自回归模型 -> 循环神经网络 hidden latent 困惑度， 梯度裁剪
11.query 通过注意力机制有偏向性的选择某些输入，
