Description: Glębokie uczenie zasadniczo przeksztalcilo przetwarzanie obrazu z ręcznie tworzonych potoków algorytmicznych w kompleksowe systemy uczące się, zdolne do przewyższania ludzkiej wydajności w zadaniach klasyfikacji, wykrywania, segmentacji, generowania i przywracania. Konwolucyjne sieci neuronowe zastępują istniejące od dziesięcioleci filtrowanie, progowanie i inżynierię cech hierarchicznymi ekstraktorami cech uczącymi się bezpośrednio z surowych pikseli za pomocą milionów sparametryzowanych filtrów wyszkolonych poprzez zejście gradientowe.Ta zmiana paradygmatu eliminuje kruche architektury kaskadowe, w których awaria wykrywania krawędzi rozprzestrzenia się poprzez glosowanie Hougha do upadku śledzenia, zastępując sekwencyjne tryby awarii solidnym holistycznym zrozumieniem wylaniającym się z treningu statystycznego. Nowoczesne transformatory wizyjne rozszerzają podstawy konwolucyjne poprzez globalne mechanizmy samouwagi modelujące zależności przestrzenne dalekiego zasięgu, nieobecne w czysto lokalnych polach recepcyjnych.
