第一章
计算机视觉的核心问题，如何忽略同一个物体内部的差异，而强化不同物体之间的区别。
人工神经网络。
反向传播算法。将复杂的链式法则拆解为独立的前后关系的连接层，按照各自的权重分配错误更新。这样通过已有的数据统计规律对未定位的事件做出预测。
2006年，深层神经网络的训练有了突破。使用更多隐层和更多神经元，有更好的学习能力。
CNN：仿照生物视觉的逐层分解算法。
训练平台，模型使用，速度和周期。
常用的TensorFlow/Cafe/PyTroch
核心是任务处理的对象，包括检测、识别、分割、特征点定位、序列学习。
第二章
Anoconda
