深度学习综的述2.ppt

Inference of Plant Diseases from Leaf Images through Deep Learning * 深度学习综述 深度学习概述 深度学习应用 深度学习框架 TensorFlow及其应用 * 深度学习框架 深度学习框架比较 * 深度学习框架 一、Caffe 卷积神经网络框架 Caffe，全称Convolution Architecture For Feature Extraction。Caffe是一个清晰，可读性高，快速的深度学习框架。与TensorFlow一样，Caffe也是由C++开发，Caffe也是Google今年早些时候分布的DeepDream项目（可以识别喵星人的人工智能神经网络）的基础。 二、Torch Torch是一个广泛支持机器学习算法的科学计算框架。易于使用且高效，主要是以为一个简单的和快速的脚本语言LuaJIT，和底层的C/CUDA 实现。Torch核心是神经网络，它使用简单的优化库，同时具有最大的灵活性，实现复杂的神经网络的拓扑结构。 * 深度学习框架 三、TensorFlow 四、Theano Theano是一个Python库，专门用于定义、优化、求值数学表达式，效率高，适用于多维数组。 五、CNTK CNTK是微软公司研究深度学习和人工智能领域研究的成果Computational NetworkToolkit(CNTK)，CNTK是一个内置了多种神经模型的算法工具包，支持NDL，MDL网络定义语言。 * 深度学习综述 深度学习概述 深度学习应用 深度学习框架 TensorFlow及其应用 * TensorFlow TensorFlow是谷歌基于DistBelief进行研发的第二代人工智能学习系统，它的命名来源于本身的运行原理。Tensor(张量)意味着N维数组，Flow（流）意味着基于数据流图的计算，TensorFlow是张量从图像的一端流动到另一端计算过程。TensorFlow是将复杂的数据结构传输至人工智能神经网络中进行分析和处理过程的系统。TensorFlow是一个采用数据流图，用于数值计算的开源软件库。 * 1、 高度的灵活性 2、 真正的可移植性 3、 多语言支持 TensorFlow的特点 * TensorFlow的可视化工具-tensorboard：通过使用这个工具可以很直观的看到整个神经网络的结构、框架。 展示一个神经网络结构，如下一页。 Tensorboard可视化 * tensorboard * 神经网络结构 TensorFlow应用 澳大利亚海洋生物家使用TensorFlow在数以万计的高清照片中寻找海牛，以更好地了解这个濒临灭绝的群体数量 日本的一位农夫，训练的TensorFlow模型，按照大小、形状以及其他特征来进行黄瓜分类。 发射科医生调整TensorFlow，在医学扫描中能够识别帕金森病的迹象。 湾区的数据科学家在树莓派上使用TensorFlow来追踪加州火车的动态。 * TensorFlow应用：黄瓜分类 Makoto是一名在家经营黄瓜农场的日本人，在黄瓜分类吃了很多苦头。同一个品种的黄瓜就有9种之多。一般来说，颜色鲜艳、刺多、体态匀称的才算是好瓜。然而当你刚摘了一根黄瓜，你得仔细观察它的长短、粗细、颜色、纹理、是否有小刮痕、弯的还是直的、刺多不多…要跟9类标准对应，看它属于哪一等级，但这不是一个容易学的工作。 * TensorFlow应用：黄瓜分类机 Makoto家9类黄瓜图表，由上至下质量依次递减 Makoto通过黄瓜外形、长度和弯曲度来分拣识别。左图为Makoto家黄瓜分类图。 * TensorFlow应用：黄瓜分类机 Makoto制作的黄瓜分类机工作场景：如果一根黄瓜属于某一个品类，小刷子就会把它推到相应的箱盒里。 黄瓜分类机工作场景 * TensorFlow应用：黄瓜分类机 下图是Makoto设计的黄瓜分选机的系统图解。 黄瓜分选机的系统图解 * TensorFlow应用：黄瓜分类机 Makoto面临两大挑战： 第一大挑战：需要大量的训练数据。 第二大挑战：消耗大量的运算容量。 * [1]魏英姿，谭龙田，欧阳海飞，赵祉淇.玉米籽粒完整性识别的深度学习方法.沈阳理工大学学报[J].2016.36(4):1-6，智能识别单玉米籽粒完整性特征 [2] SP Mohanty, D Hughes, M Salathe. Inference of Plant Diseases from Leaf Images through Deep Learning. arXiv.org.11 Apr 2016 参考文献 * * 深度学习 * 深度学习综述 深度学习概述 深度学习应用 深度学习框