第7章到第9章主要讲述图像缩放（最邻插值算法，双线性插值，双三次插值），LeNet5简介，ISP以及AIISP图像处理。

一、疑惑地方

1.P200 双线性插值矩阵计算I₀=ABC表述错误。

2.P215 根据BiCubic 基函数如何算出α和β的值？

3.需要继续深入学习：DL-SR算法。

4.欧式邻域指的是什么？

5.P257 色彩空间变换算法是如何得来的？

二、收获之处

1. 欧式距离也称欧几里得距离，是最常见的距离度量，衡量的是多维空间中两个点之间的绝对距离 ，也就是我们直观的两点之间直线最短的直线距离。

2.CUDA：Compute Unified Device Architecture, 并行计算架构。

3.对LeNet5，以及卷积神经网的几个概念有了初步认识：卷积层（提取特征），池化层（降低维度和计算量，尽可能多地保存信息，增强了卷积神经网络非线性的提取能力），激活函数：神经网络中的每个神经元节点接受上一层神经元的输出值作为本神经元的输入值，并将输入值传递给下一层，输入层神经元节点会将输入属性值直接传递给下一层（隐层或输出层）。在多层神经网络中，上层节点的输出和下层节点的输入之间具有一个函数关系。批正则化（加速模型收敛）。

4.LeNet5的一些典型应用案例：手写识别。

5.ReLU（Rectified Linear Unit ） 激活函数：会使一部分神经元的输出为0，这样就造成了 网络的稀疏性，并且减少了参数的相互依存关系，缓解了过拟合问题的发生。Relu其实就是个取最大值的函数。实际收敛速度较快，比 Sigmoid/tanh 快很多。