邊緣檢測算法有哪些呢？圖像邊緣檢測是在二維或三維圖像（特別是醫(yī)學圖像）中定位物體邊緣的系統(tǒng)。通過輸入（310）接收表示圖像的每個元素的值的一組數(shù)據(jù)元素。數(shù)據(jù)集存儲在存儲設備（320）中。處理器（340

邊緣檢測算法有哪些呢？

圖像邊緣檢測是在二維或三維圖像（特別是醫(yī)學圖像）中定位物體邊緣的系統(tǒng)。通過輸入（310）接收表示圖像的每個元素的值的一組數(shù)據(jù)元素。數(shù)據(jù)集存儲在存儲設備（320）中。處理器（340）確定圖像中對象的邊緣。處理器至少計算數(shù)據(jù)元素的第一和/或第二導數(shù)，并計算由κ標識的圖像的等照度曲率。處理器還確定校正因子α，其校正由對象的曲率和/或數(shù)據(jù)的模糊引起的邊緣失準。校正因子α取決于等照度曲率κ。然后，處理器根據(jù)計算出的導數(shù)和等照度線的曲率確定算子的過零點。系統(tǒng)的輸出（330）提供圖像中的邊緣位置的指示。早期的方法有邊緣算子法、曲線擬合法、模板匹配法和閾值法。近年來，出現(xiàn)了許多新的邊緣檢測算法：小波變換、小波包邊緣檢測、基于數(shù)學形態(tài)學的邊緣檢測算法、模糊理論和神經(jīng)網(wǎng)絡。

畢設題目是基于FPGA的邊緣檢測，老師提問說怎么證明你這個是用FPGA做的，我該怎么回答？

這不是black gold的現(xiàn)成代碼。它證明了，好吧，模擬源代碼真的不好?，F(xiàn)場板上電，攝像頭與顯示器連接。有多少老師能問這么低級的問題？如果你想知道這是不是你自己做的，你不需要問檢測算法，問你有多少線是用在VGA。在配置相機時使用什么協(xié)議和定時，您可能會消除那些不是自己完成的。

機器學習近些年的發(fā)展只是依賴于“大數(shù)據(jù)”和“高計算”，在算法上并沒有突破這是在影射深度學習么？

是的，從表面上看，理論上講，算法領域似乎沒有“革命性的突破”。即使是深度學習算法也只是神經(jīng)網(wǎng)絡發(fā)展的延伸。然而，正是大數(shù)據(jù)和GPU使得更多的嘗試成為可能。這是一個百花齊放、百家爭鳴的時代。各種算法都有自己的應用。想想看，經(jīng)過長時間的進化，我們已經(jīng)形成了人腦的“算法”機制。在當今的機器學習領域，如何挑戰(zhàn)或突破這種“時空”邊界或限制，從而產(chǎn)生所謂的“人工終極算法”，并將其應用到智能機器人大腦中？值得期待。