神经网络与深度学习讲解.pptVIP

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：我们怎么知道一幅图像中是有前景对象的，对于一张纯色画布，我们为什么无法发现任何对象？ 这涉及到一个现象：颜色突变。上图所圈出的区域中，都是颜色变化较大的区域。而我们就会自然地认为，这是物体的边缘，而由封闭边缘构成的区域就是物体。 不仅是房子这个整体，房子里的门、窗户等元素我们都能发现，而原因自然也是颜色突变。 思考：人能看见绝对透明（100% 透明）的玻璃吗？ 我们定义一个形状的时候，本质上就是在定义其产生颜色突变的像素点的大致相对位置。比如圆，在一个直角坐标系的图象上上，存在所有满足 (x-a)2+(y-b)2=r2 条件的坐标点的某个小邻域内有较大的颜色突变，那么这幅图像上就有一个圆的形状。左上方是一幅色盲测试图，不色盲的朋友都能看到左下角有一个蓝色的圆，而且是一个空心圆。 思考：我们该如何用颜色突变的方式定义一辆车？（先不考虑前身后身等复杂情况，假设所有的车都是像左下图这样固定角度） Haar 特征：对大量同类的图像样本进行学习，找出这些图像所有的产生了颜色突变的相对坐标位置，将这些同类图片作为正样本，同时给出不属于该类的，远多于同类图片的负样本，让机器对这些样本进行学习，并最终生成一个对象识别模型，用来正确寻找一幅图像中你所需要寻找的元素。因此，Haar 特征广义上来说就是图像的形状特征。 Haar 特征对于邻域的规定有三种：边缘特征、中心特征、对角线特征，其中边缘特征又分横向和纵向。通过计算白色区域像素亮度和与黑色区域像素亮度和之差来反映图像的颜色突变区域，即边缘区域。特别地，对于 C 模型，需要将黑色区域乘以 2 作为其像素亮度和。  Haar 特征实例——人脸检测 我们用 OpenCV 中的一个训练得较好的人脸检测 Haar 模型，对一张照片进行人脸检测。结果如上。 Haar 特征的不足之处 Haar 特征本质上是检测图像中的颜色突变的，所以对图像的形状较为敏感，同时对其他的特征（如颜色等）敏感度较低。而且 Haar 只适用于刚性运动物体的检测，而不适用于物体精细化的识别。人脸检测和人脸识别难度上完全不是一个数量级的。 事实上，任何一种单一图像特征都是不全面的，是不能适应所有场景的。其实，图像本身只是由像素点组成的，图像的特征那是我们人为整理出来的，严格地说它并不属于图像的一部分。那我们能不能从图像的像素点本身来寻找一些算法呢？ 最基本的决策模型——感知器 生活中我们经常要对一些事情做出决策。但不论我们最终选择了什么，都一定是有原因的，而且原因往往不止一个。 现在我们来玩一个情景游戏。假如周末公司组织员工外出旅游，你是去还是不去呢？这是一个最简单的感知器，最终结果只有两种，Yes 和 No。只是，结果虽然简单，但是你会考虑诸多因素，最终决定结果。 假设你考虑以下三个因素：A. 天气如何；B. 可否带伙伴一起去；C. 费用、伙食、旅馆等条件是否符合个人预期。 假设你是这样想的：和同事一块出去玩，是很难得的一件事，能带伙伴一起去那是锦上添花，不能也没关系；但天气是挺重要的，阴雨绵绵玩得不开心；旅馆嘛，这么多人一起，不会太好，但也不会太差，最重要的是享受。那么这时候，你的决策就和当地天气唯一相关，其他两个因素没有任何影响。 感知器的本质就是对各个输入量的加权和进行分析，做出 Yes or No 的决策的模型。 上述你考虑的