神经网络与深度学习方案.ppt

神经网络 深度学习基础知识 图像的特征 计算机图像是由一定数量的点阵像素构成的。如上所示，我们看到的是一辆车，但实际上计算机理解的是一个由各像素点的灰度值组成的矩阵，它并不能直接理解“这是一辆车”。 我们需要将“这是一辆车”这个事实用完全逻辑化的语言描述出来，让计算机建立一个函数，这个矩阵自变量 x 所对应的结果因变量 y 就是“车”。难度可想而知。 我们先看一个简单的例子。一个数字 9，我们如何描述它的形状？ 现在有这么一种描述方法：这个数字的上半部分是一个圆，下半部分是靠右的一撇。用数学语言表达就是，上半部分能够以方程 x12 + y12 = r12 (r10)拟合，下半部分能以 x22 + y22 = r22 (x20, y20, r20) 拟合，那么就能说明这个图形极有可能是数字 9。 特征：用来描述一个对象具体表现形式的逻辑语言。 如前页所述，“上半部分是圆，下半部分是靠右的一撇”就是数字 9 的形状特征。 特征是构成一个对象的必要但不充分条件，因为一个对象是由无数个特征组成的，在有限数量的特征里，我们永远只能预估该对象，而不能 100% 确定该对象究竟是什么。 经典的图像特征之——Haar 特征 思考：我们一眼就能看出来这幅图像上有一栋房子。但任何一幅图像都是由一定数量的像素点组成的，我们是怎么从这些单纯的像素点里发现了房子的呢？ 这个问题还可以换一种问法