1.計算機視覺中的”深度”

在計算機視覺領域，深度通常指的是一個物體在三維空間中的深度位置，也就是物體到攝像頭或者視點的距離。深度圖像或深度地圖是一種特殊的圖像，其像素值代表了圖像中每個像素點到攝像頭的距離。深度感知能力使得計算機視覺系統(tǒng)可以理解物體的三維空間位置，對于許多應用如自動駕駛、機器人導航、3D建模等都是至關重要的。

2.深度學習中的”深度”

在深度學習中，”深度”則是指神經網(wǎng)絡的層數(shù)，它代表了網(wǎng)絡的復雜程度和學習能力。一般來說，網(wǎng)絡的深度越深，其理論上的學習能力越強，能夠學習到更復雜的特征和模式。然而，網(wǎng)絡深度的增加也帶來了許多問題，比如梯度消失/爆炸問題、過擬合問題等。因此，如何設計和訓練深度網(wǎng)絡是深度學習研究的重要內容。

延伸閱讀

深度的應用：深度估計與深度神經網(wǎng)絡

1.深度估計：深度估計是計算機視覺中的一個重要任務，它的目標是從單張或者多張2D圖像中推斷出3D場景的深度信息。這個任務對于許多計算機視覺應用都是至關重要的，比如立體重建、目標檢測、場景理解等。

2.深度神經網(wǎng)絡：深度神經網(wǎng)絡是深度學習中的核心，它通過增加網(wǎng)絡的深度來學習數(shù)據(jù)中的復雜模式。近年來，隨著硬件技術的進步和大數(shù)據(jù)的積累，深度神經網(wǎng)絡已經在許多領域取得了顯著的成功，比如圖像識別、語音識別、自然語言處理等。

在實際應用中，深度學習和計算機視覺經常會結合在一起。比如，可以利用深度神經網(wǎng)絡進行深度估計，從而使計算機視覺系統(tǒng)獲得對3D場景的理解能力。這種結合使得人工智能系統(tǒng)能夠更好地理解和處理復雜的視覺任務。