对焦的十大基本知识
一、手动对焦尽管现在的数码相机都具备自动对焦功。能，但依然可以使用手动对焦。有很多人都有这样的误解，认为自动对焦要比手动对焦更准，其实并不是这样，自动对焦的优点在于迅速快捷，更加准确的反而是手动对焦。这一点在微距和弱光摄影上最为明显，由于相机自动对焦的物理原理(测距对焦、对比度法、相位对焦)，它在弱光情况下很容易出现偏差，微距摄影则对焦点要求更加精细，相机自身很难把控。很多人习惯用自动对焦了，换成手动对焦很不习惯，认为对焦又慢、又难看准焦点，没关系，现在的数码相机大多数都有实时取景功能，它对于手动对焦有非常大的帮助!二、单次自动对焦这应该是我们最熟悉的对焦，相机的单次自动对焦是指在半按快门时，相机开始对焦工作，一旦相机的处理器确认焦点已经对准，发出合焦提示，再完全按下快门就可以完成拍摄，对焦过程也就结束。如果想要改变焦点，那就要先松开快门按钮，然后再次半按快门重新开始对焦。当相机已经提示对焦已经准确，但在你完全按下快门前，拍摄对象发生了移动，之后再完全按下快门，就会得到一张失焦的模糊照片，所以这种对焦只适用于拍摄相对静止的物体。三、连续自动对焦(伺服对焦)自动对焦主要分为两种情况，除了单次自动对焦外，另一种就是连续自动对焦。连续自动对焦也称为伺服对焦，就是半按快门对焦之后，相机会锁定目标物或锁定对焦区域，一日目标与相机之间的对焦距离改变了，相机会自动跟焦。在你使用连续伺服对焦时，要在开始时选取对焦点，换而言之就是告诉相机一个明确的目标，它才能进行跟踪。根据伺服对焦的特性，这种方法最适合拍摄运动中的目标，例如运动、赛车等等。四、完全自动对焦如果你选择的是自动对焦而不作任何调整，当你的手指半按快门时，相机就开始自动帮你选取对焦点了。这是最简单、最省事的办法，尤其是当你需要抓拍，或是没有时间主动选取对焦点时。但是相机自动选取焦点也有弊端，比如说你不能选择自己想要的焦点，相机自动选取的焦点往往是靠近画面中心的物体，但有很多时候我们选取的焦点在画面中的其它的位置(例如黄金比例点)，这个时候你就需要手动选取对焦点了。五、手动选取对焦点手动选择合适的对焦点，综合了自动对焦以及手动对焦的优点，能够帮助你最大限度的掌控画面，尤其是拍摄风光、静物和肖像摄影这种有充分时间准备的题材。你在取景框内可以看到对焦点的指示，然后通过按钮选取你想要的对焦点，接着半按快门开始对焦，虽然花了一点时间，但是更容易帮助你拍出你想要的。画面。六、人脸识别目前最新的相机基本上都配备了这样的技术(需要开启实时取景)，它通过软件算法识别画面中的人脸部分，然后把它当做对焦点进行跟踪和检测。这个方法最适合拍摄爱动的小朋友，只要开启这项功能，相机的对焦点就会一直锁定在小朋友的脸上，不用再担心每次拍照都不配合的熊孩子啦!七、先对焦，后构图尽管现在的相机技术越来越成熟，越高级的相机会有越多的自动对焦点供你选择，但是不能保证你所需要的对焦位置每次都有自动对焦点，面对这种情况，你可以尝试对焦后重构图。这个方法非常方便，虽然有时为了重构冬的需要，你的相机位置会产生轻微的偏移，但这种程度上的偏移并不会使焦平面发生变化而产生脱焦的问题。这种方法非常适用于弱光环境的拍摄，即在目标处使用中心点对焦(通常来说，中心点对焦效果最好)，然后移动相机重新构图。八、后键对焦平时我们半按快门，相机就会自动对焦全按的话就会拍照。其实我们也可以通过设定，将这对焦和拍照两个功能分开，让快门只保留拍摄功能，将自动对焦功能放在机背的 AF-ON这个按键上面，即在半按快门的时候不会对焦。AF-ON这个功能适用于主置会随时变化的情况，例如生态摄影、运动摄影或新闻摄影，就常常会使用到它。使用方法，就是把对焦点设定成中央单点对焦，在拍摄时，按住 AF-ON，以中央对焦点不断追踪着主体，直至对焦准确及构图完成才按下快门。使用AF-ON的.另一个优点是减少了重新构冬的麻烦。很多时候，我们需要连拍一些照片，如果每次拍照前都要半按快门对焦，反复重新构图再拍摄，这会为我们带来许多不必要的操作。而使用AF-ON就可以一直追踪你想要拍摄的目标，适时按下快门即可。九、超焦距对焦超焦距的概念听起来很复杂，其实很简单，它是指当镜头对焦在无穷远时，景深前界(离镜头最近清晰点)到镜头的距离，换句话说当镜头对焦在无穷远时，从超焦距点到无穷远的画面全部都清晰。最快的对焦就是不对焦，这句话深谙超焦距对焦的原理。手动将镜头的焦距调整到最大，只要保证被摄对象处于最近清晰点之外，就可以随心所欲地拍摄了。很多街头抓拍就是使用这个技巧。PS:如果是广角镜头采取这和方法,会使画面的景深达到最深。十、景深合成这是北美的风光摄影非常喜欢使用的一个办法，对于层次感明显的画面，你可以拍摄不同对焦平面的照片，然后用这个技术把它们合成，让画面的每一处都变得清晰起来。
学习人工智能需要学习那些知识
向大家分享我机器学习之路看过的一些书、教程、视频，还有学习经验和建议，希望能对大家的学习有所帮助。pdf版思维导图，后台回复：指南Python——书之前跟出版社合作，书柜里积攒了很多Python相关的书，这里推荐三本最有价值的吧。《流畅的Python》，很厚，比较全面，可以作为工具书常常翻看。《 从入门到实践（第2版）》 非常全面，对新手还算友好，里面有很多的练习项目非常不错。《利用Python进行数据分析·第2版》 数据分析入门必读书，主要介绍了python 3个库numpy（数组），pandas（数据分析）和matplotlib（绘图）的学习。有开源版，就不用买了，下载链接及代码如下：——教程学习Python最好的入门线上教程，首推Python官方文档-cn/3/tutorial/index.html官方文档足够详细和系统，但是内容太庞大，学习来会有点吃力，我建议只看tutorial即可，就是上面的链接。直接啃官方文档的教材，不如老师讲给你听来的效率高。廖雪峰的Python新手教程也是个不错的选择，每一节都有练习题，学习来更顺畅，对新手很友好。 Pandas Matplotlib这些库我觉得看官方文档就好了，不过英文不好的同学可能就不满意了，这里分别列一下这些库的官方文档和我觉得很不错的中文教程，提醒一下哈，官方文档只需要看我列出的链接即可。Numpy官方文档：：：：：：——视频实话实话，我没有完整的看过任何Python视频。归根结底，Python入门很简单，看视频效率太低。传言B站的[小甲鱼]零基础入门学习Python不错，简单看了一眼，确实0基础。我们用Python是用来学机器学习的，喜欢看视频学习的同学可以看看，建议只看P1-P53即可。《零基础入门学习Python》：——书市面上凡推荐机器学习的书，都少不了李航的《统计学习方法》和周志华的《机器学习》，我当初也是看了大佬推荐，在这两本书上耗费了极多的时间。但这两本我觉得都很不适合入门，尤其是统计学习方法，简直就是上等武功秘籍，太过精炼，啃起来太吃力。对比起来周老师的《机器学习》相对好点，其中有些公式推导有点跳，Datawhale 出了一本开源的《机器学习公式详解》是个很好的补充。周世华的《机器学习》是必不可少的工具书，还是必读的，而且要反复阅读，不过建议在看过视频教程之后。-book偏应用的书，只推荐一本，其他的都不要看！！！：《机器学习实战：基于Scikit-Learn、Keras和TensorFlow（原书第2版）》，入门可以先看前 9 章。市面上很少有书能够把机器学习在业务层面的应用介绍清楚，比如模型解释、模型上线，模型监控等等，没有看到特别详细的，有一本还算满意，就是知名度比较低：《机器学习：软件工程方法与实现。《机器学习：软件工程方法与实现》现在无论是竞赛还是工业界，boost模型都应用十分广泛，分类、回归、排序，XGBoost都能搞。最后再介绍一本我认为的必读：《深入理解XGBoost：高效机器学习算法与进阶》，作者是XGBoost开源社区贡献者何龙。这本书以机器学习基础知识做铺垫，深入剖析了XGBoost的原理、分布式实现、模型优化、深度应用等。机器学习——教程教程没有看到太好的，除了sklearn的文档，只推荐吴恩达、李宏毅、林轩田三位老师的视频课件。课件这里不单独列出来了，下载链接我放到思维导图里了。Sklearn官方文档：-learn.org/stable/user_guide.html中文教程：——视频与Python不同，机器学习基础我觉得最好还是跟着视频学，因为初学机器学习算法，涉及很多公式推导，非常难理解，跟着视频学起来会轻松不少。视频首推吴恩达的公开课，这是学习机器学习基础知识的最好的课程。英语不好的同学也不要担心，视频是有中文字幕的。，时间充裕的同学可以看看台大李宏毅的机器学习公开课，特点是中文授课，比较轻松愉快。，只看基石部分即可。——数学基础系统地学习机器学习所必须的数学知识数学基础这一块是个无底洞，不太建议大家耗费过多时间，用到了再补也不迟。也不建议大家看书，基础确实特别薄弱的同学，推荐一本：《机器学习的数学》，这本书特别全面的介绍了微积分、线性代数、概率统计、信息论、随机过程、图论等内容。再强调一遍，此书仅适于基础特别薄弱的同学。我感觉机器学习中用到最多的应该是线代，喜欢看视频的可以看看李宏毅的机器学习中的线性代数：：线性代数的本质，我也放到思维导图中了。一些经验和建议1、我敢肯定很多初学者都是资料收集爱好者，越攒越多反而不知道从何开始。我强烈建议把资料都扔掉，以我的这一套为准，一以贯之的学下去。2、就像前面我提到的，很多东西先不要深究，不要在某些地方卡太久（比如数学部分，比如编程基础），先学下去，学完。了解大的框架之后，以后用到哪里，再回过来补也不迟。3、机器学习的各种算法没必要样样精通，常用的比如LR、树模型、RF、XGBoost等等掌握好就不错了。4、我身边一些优秀的程序员、分析师、工程师都非常推崇“做中学，学中做”，无论是书本还是视频，看到一些好的方法和技巧，要立即自己实现一遍。看起来非常简单的东西，真真动手的时候才会发现自己的不足。快速学完上述内容就尽快开始实践吧，可以先复现天池或kaggle上优秀的notebook，然后就参与一些入门竞赛。5、如果你已有工作，最好的还是在业务中寻找机器学习应用场景，然后尝试去开发一个适用的模型。不懂就搜索，学习。这是我所知最好的，最有价值的学习方法。6、输出也是特别好的学习，输出就是把新学到的知识用某种讲给别人听，做到让他们也能理解、学会。我比较喜欢写笔记（我常用的是微软的OneNote），然后把笔记整理成文章发到博客上。这样不仅使对自己知识掌握程度的一种检验，发现薄弱点，也可以让大家共同监督，相互学习，教学相长。OK，以上就是所有内容。欢迎与我交流
人工特征入门基础知识
门槛一、数学基础我们应该了解过，无论对于大数据还是对于人工智能而言，其实核心就是数据，通过整理数据、分析数据来实现的，所以数学成为了人工智能入门的必修课程!数学技术知识可以分为三大学科来学习：1、线性代数，非常重要，模型计算全靠它~一定要复习扎实，如果平常不用可能忘的比较多;2、高数+概率，这俩只要掌握基础就行了，比如积分和求导、各种分布、参数估计等等。提到概率与数理统计的重要性，因为cs229中几乎所有算法的推演都是从参数估计及其在概率模型中的意义起手的，参数的更新规则具有概率上的可解释性。对于算法的设计和改进工作，概统是核心课程，没有之一。当拿到现成的算法时，仅需要概率基础知识就能看懂，然后需要比较多的线代知识才能让模型高效的跑起来。3、统计学相关基础回归分析(线性回归、L1/L2正则、PCA/LDA降维)聚类分析(K-Means)分布(正态分布、t分布、密度函数)指标(协方差、ROC曲线、AUC、变异系数、F1-Score)显著性检验(t检验、z检验、卡方检验)A/B测试门槛二、英语水平我这里说的英语，不是说的是英语四六级，我们都知道计算机起源于国外，很多有价值的文献都是来自国外，所以想要在人工智能方向有所成就，还是要读一些外文文献的，所以要达到能够读懂外文文献的英语水平。门槛三、编程技术首先作为一个普通程序员，C++ / Java / Python 这样的语言技能栈应该是必不可少的，其中 Python 需要重点关注爬虫、数值计算、数据可视化方面的应用。
学人工智能需要哪些基础
人工智能（Artificial Intelligence），英文缩写为AI。 被认为是二十一世纪三大尖端技术之一，其他两个技术是基因工程和纳米科学，它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它的目的是了解智能的实质，并生产出一种新的能以人类智能相似的做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。广义的说，人工智能包含诸多不同的方法，其主旨是让程序像一个智能体一样解决问题。机器学习是实现人工智能的一种方法，它不完全依靠预先设计，而是从数据中进行总结，达到模拟记忆、推理的作用。包括诸如支持向量机(SVM)、各类基于决策树的算法(包括Boosting、Bagging、Random Forest等)，各类基于人工神经网络的算法(例如简单网络及深度网络等)，以及多方法的集成等。需要必备的知识有: 概率论、数理统计、矩阵论、图论、随机过程、最优化、神经网络、贝叶斯理论、支持向量机、粗糙集、经典逻辑、非经典逻辑、认知心理学，同时也要学习高等数学微积分、线性代数，另外编程工具，例如：matlab，spss，C++或Java也必不可少。线性代数：如何将研究对象形式化？概率论：如何描述统计规律？数理统计：如何以小见大？最优化理论： 如何找到最优解？信息论：如何定量度量不确定性？形式逻辑：如何实现抽象推理？
PS、AE、Pr、AI、AU，先学哪个比较好
这应该根据自己需要选择。PS和AI都是做平面图像处理的，两者区别在于处理的图像不同，PS用于位图(像素图)的处理，PS就是我们通常意义上的P图软件，美图秀秀和它功能上就很类似，但是它更专业也更强大。AI用于矢量图(放大后不失真)的处理，同类软件还有CorelDRAW，不是专业人员可能接触的不多，但它作为一款非常好的矢量图形处理工具，该软件在印刷出版、海报书籍排版、专业插画、多媒体图像处理和互联网页面的制作，logo设计等地方用处非常大。AU是音频处理软件，是一个专业的音频编辑和混合环境，可以提供先进的音频混合、编辑、控制和效果处理等多种功能，通俗来说就是做音频的，典型的比如变声。AE和PR是视频处理软件，Pr是专门的视频剪辑组合处理工具，爱剪辑的功能就和它类似，但是它更专业更强大，AE通俗说就是特效合成工具，两者一般搭配使用，以满足更高的视频处理要求，做出闪瞎眼的炫酷视频。从学习上来说我个人觉得PR学起来最好学，AE最难学，其他软件难易差不多，但是实际学习需根据自己的使用情况学习，作为设计类软件，学会工具远远不行的，更重要的是设计知识和艺术思维的掌握，有了牢固的基础知识使用起工具才能如虎添翼。