CSDN攻克机器学习硕士学位，我的那些年与必备技能！( 四 )

再说说论文中的其他内容：
论文提出了一种利用计算机视觉和机器学习技术进行运动分析的方法。该方法是使用合成的四足动物图像数据集来训练预训练的关键点检测网络。
Keypoint-RCNN是Pytorch库中的内置模型，它扩展了原始Fast-RCNN和Faster-RCNN的功能。
论文中的方法修改了在COCO 2017对象检测和分割数据集上预训练的Keypoint-RCNN神经网络架构，并使用合成生成的数据集对最后一层进行了训练。
通过扩展用于人体的17个关节的人体关键点检测的基准框架，我提出了该框架的扩展，该框架可以预测几个26个关节产生的四足动物的主要位置。

本文插图
论文的结果节选
定性和定量评估策略可以很明显的改进Keypoint-RCNN体系结构在人工四足动物上预测关键点时的视觉和度量性能。
如果你在研究中已经实现了这些，我就有点班门弄斧。
结论
计算机领域变化太快了，我的课程是从2018年-2019年的，现在已经2020年了，我们会看到大量更多的机器学习领域的贡献，所以，如果没有在我的论文中看到，你在做机器学习过程中看到的或学到的一些议题，也不要惊讶。
不要忘了，在AI领域，你要做的不光是学习一些模型，还要不断地研究，不断地学习。
最后，我希望我的这篇文章对大家有用，欢迎大家留言，说说你在学习ML和CV的时候学到了哪些知识并应用了实际场景中拉~
原文：https://towardsdatascience.com/what-i-learnt-from-taking-a-masters-in-computer-vision-and-machine-learning-69f0c6dfe9df
【CSDN攻克机器学习硕士学位，我的那些年与必备技能！】本文为 CSDN 翻译，转载请注明来源出处。
更多精彩推荐点分享点点赞点在看