邊緣檢測(cè)算法有哪些呢？圖像邊緣檢測(cè)是在二維或三維圖像（特別是醫(yī)學(xué)圖像）中定位物體邊緣的系統(tǒng)。通過(guò)輸入（310）接收表示圖像的每個(gè)元素的值的一組數(shù)據(jù)元素。數(shù)據(jù)集存儲(chǔ)在存儲(chǔ)設(shè)備（320）中。處理器（340

邊緣檢測(cè)算法有哪些呢？

圖像邊緣檢測(cè)是在二維或三維圖像（特別是醫(yī)學(xué)圖像）中定位物體邊緣的系統(tǒng)。通過(guò)輸入（310）接收表示圖像的每個(gè)元素的值的一組數(shù)據(jù)元素。數(shù)據(jù)集存儲(chǔ)在存儲(chǔ)設(shè)備（320）中。處理器（340）確定圖像中對(duì)象的邊緣。處理器至少計(jì)算數(shù)據(jù)元素的第一和/或第二導(dǎo)數(shù)，并計(jì)算由κ標(biāo)識(shí)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(duì)象的曲率和/或數(shù)據(jù)的模糊引起的邊緣失準(zhǔn)。校正因子α取決于等照度曲率κ。然后，處理器根據(jù)計(jì)算出的導(dǎo)數(shù)和等照度線的曲率確定算子的過(guò)零點(diǎn)。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(lái)，出現(xiàn)了許多新的邊緣檢測(cè)算法：小波變換、小波包邊緣檢測(cè)、基于數(shù)學(xué)形態(tài)學(xué)的邊緣檢測(cè)算法、模糊理論和神經(jīng)網(wǎng)絡(luò)。

畢設(shè)題目是基于FPGA的邊緣檢測(cè)，老師提問(wèn)說(shuō)怎么證明你這個(gè)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(chǎng)板上電，攝像頭與顯示器連接。有多少老師能問(wèn)這么低級(jí)的問(wèn)題？如果你想知道這是不是你自己做的，你不需要問(wèn)檢測(cè)算法，問(wèn)你有多少線是用在VGA。在配置相機(jī)時(shí)使用什么協(xié)議和定時(shí)，您可能會(huì)消除那些不是自己完成的。

機(jī)器學(xué)習(xí)近些年的發(fā)展只是依賴于“大數(shù)據(jù)”和“高計(jì)算”，在算法上并沒(méi)有突破這是在影射深度學(xué)習(xí)么？

是的，從表面上看，理論上講，算法領(lǐng)域似乎沒(méi)有“革命性的突破”。即使是深度學(xué)習(xí)算法也只是神經(jīng)網(wǎng)絡(luò)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(gè)百花齊放、百家爭(zhēng)鳴的時(shí)代。各種算法都有自己的應(yīng)用。想想看，經(jīng)過(guò)長(zhǎng)時(shí)間的進(jìn)化，我們已經(jīng)形成了人腦的“算法”機(jī)制。在當(dāng)今的機(jī)器學(xué)習(xí)領(lǐng)域，如何挑戰(zhàn)或突破這種“時(shí)空”邊界或限制，從而產(chǎn)生所謂的“人工終極算法”，并將其應(yīng)用到智能機(jī)器人大腦中？值得期待。