近期Multi-model看的比较多，受Mu Li启发制作了一张技术路线图，挂网分享。

最近学的分享一下

反向传播算法是一种用于训练神经网络的算法，其作用是根据网络的输出和期望输出之间的误差，来更新网络中的权重和偏置，从而提高网络的性能。

“联邦学习”让互相不信任的各方，可以把样本和特征汇聚到一起，共同获得更好的预测模型。2016年由谷歌团队提出，数据不动模型动。

不知道又要学多久……

1、关键点检测 花名：关键点定位/对齐/keypoint alignment 输入：包含目标的图像，如人脸图像、人体图像、手部图像等 输出：一组预定义的关键点位置（人脸五官，人体关节，手指关节等） 2、算法分类 regression法：直接回归关键点坐标（DeepPose、MTCNN、MobileNet） +模型简单，可导 +计算量小，速度快 +更好的连续性和稳定性 -容易过拟合（CNN） -空间…

一些笔记