深度学习-学习笔记记录

1、点云语义分割方法分类
分为5类：点、二维投影、体素、融合、集成
2、融合与集成的区别
融合：
概念：主要是将不同来源、类型的模型，例如深度学习、传统机器学习等，的结果或特征进行结合，以得到一个更好的模型或结果。
目标与应用场景：常用于多视角、多模态的任务中，如视觉与文本的多模态任务，旨在从不同模型中获取更丰富和多样的信息。
融合方法与策略：常用的方法包括加权平均、Stacking、特征级融合等。
模型的多样性来源：多样性来自不同类型的模型，如CNN、RNN、SVM等。
对模型的依赖度：依赖于多种模型的性能和特点。
常见技术与工具：Stacking、特征融合等。
集成：
概念：是通过构建并结合多个模型来解决单一预测问题，常见的技术包括Bagging、Boosting等。
目标与应用场景：主要用于提高模型的稳定性和准确性，如随机森林中的多个决策树的集成。
融合方法与策略：通常涉及特定的策略如投票、加权平均等，以及特定的集成技术如Bagging、Boosting。
模型的多样性来源：多样性主要来自模型的不同实例，例如不同的决策树、不同的参数设置等。
对模型的依赖度：主要依赖于同种模型的不同实例。
常见技术与工具：随机森林、Adaboost、Gradient Boosting等。