該報告將ANN在CV的應用分為2大階段，時間節點是2012年。Befrore 2012 and enter CNNs。

       Before 2012，multi-step approach。該類主要是以編碼的方式提取human engineered features。提取特徵的出發點包括四個方面：                                                                                                 

1. Histogram of image pixel intensities   

2. Bag of Visual Words

3. Histogram of Oriented Gradients

兩個階段進行對比，則有

       該報告中一個主要的觀點是：While CNNs have provided stunning gains in accuracy, there appear to be other properties that are desirable to measure given a representation. Accuracy alone may not be sufficient.

       上述指標主要為AI界通識性的問題，具體可以解釋如下：

問題是：Can we train more compact representations with comparable accuracy?

同時，報告指出了CV的關鍵挑戰，

可以解釋如下：

-Less progress as soon as task deviates from the ImageNet template

-Domain adaptation - training set is not representative of data in real life.

最後，貼上這一部分的總結

最後，說一下自己的感受，從PPT並未看出這份報告太有價值的部分，也有很大可能是沒有聽現場報告，所以覺得很空。

Ps: 一直以來想寫Blog總結一下自己的收穫，但是總感覺這是一件time-consuming的事情。所以，這篇處女座寫的也很焦躁，希望自己一步步可以寫出更好的內容。