刚进CV中的算法团队，大牛们讨论高深的cv术语和算法，如何才能听懂？

feature：一个数组

representation：还是一个数组

embedding：把输入映射成数组

提高泛化性：预测更准了

过拟合：训练过头了

attention：加权

adaptive：还是加权

few-shot learning：看了几个样本就学

zero-shot learning：一个没看就开始瞎蒙

self-supervised：自学

semi-supervised：教一点自学一点

unsupervised：没人教了，跟谁学？

end-to-end：一套操作，行云流水搞到底

multi-stage：发现不行，还得一步一步来

domain：我圈起来一堆样本，就管他叫一个domain

transfer：我非得在这一堆样本上训练，用在另一堆样本上，就是不直接训练，就是玩～

adversarial：我加了一部分就是让loss增大

robust：很稳我不会让loss变大的（但也不容易变小了）

state of the art（sota）：我（吹nb）第一

outperform：我虽然没第一，但是我比baseline强

baseline：(故意)选出来的方法，让我能够outperform

empirically：我做实验了，不知道为啥work

theoretically：我以为我知道为啥work，但没做实验，或者只做了个toy model

multi开头词组

multi-task：把几个loss加一起，完事

multi-domain：把几堆儿样本混一块训练，完事

multi-modality：把视频语音文字图像graph点云xxx混一块训练，完事

multi-domain multi-modal multi-media model：mua～mua～mua～mua……

如果觉得有用，就请分享到朋友圈吧！