深度学习及其视觉应用课件.pptVIP

深度学习及其视觉应用 丁贵广，Guiguang Ding 清华大学软件学院 dinggg@tsinghua.edu.cn 深度学习及视觉应用 深度学习概述 视觉应用 深度学习 神经网络是多层函数嵌套形成的模型 受到生物神经机制的启发构建多隐层的模型 深度学习 本质：通过构建多隐层的模型和海量训练数据（可为无标签数据），来学习更有用的特征，从而最终提升分类或预测的准确性。“深度模型”是手段，“特征学习”是目的。 与浅层学习区别： 1）强调了模型结构的深度，通常有5-10多层的隐层节点； 2）明确突出了特征学习的重要性，通过逐层特征变换，将样本在原空间的特征表示变换到一个新特征空间，从而使分类或预测更加容易。与人工规则构造特征的方法相比，利用大数据来学习特征，更能够刻画数据的丰富内在信息。 深度学习的里程碑 2006年，加拿大多伦多大学教授、机器学习领域的泰斗Geoffrey Hinton在《科学》上发表论文提出深度学习主要观点： 1）多隐层的人工神经网络具有优异的特征学习能力，学习得到的特征对数据有更本质的刻画，从而有利于可视化或分类； 2）深度神经网络在训练上的难度，可以通过“逐层初始化”（layer-wise pre-training）来有效克服，逐层初始化可通过无监督学习实现的。 Deep Learning的效果 CNN 卷积神经网络（Convolutional Neural Networks, CNN） 深度学习的具体模型及方法 深度学习的具体模型及方法 卷积波尔兹曼机（Convolutional RBM） 局部感受 权值共享 减少参数的方法： 每个神经元无需对全局图像做感受，只需感受局部区域（Feature Map），在高层会将这些感受不同局部的神经元综合起来获得全局信息。 每个神经元参数设为相同，即权值共享，也即每个神经元用同一个卷积核去卷积图像。 深度学习的具体模型及方法 卷积波尔兹曼机（Convolutional RBM） 隐层神经元数量的确定 神经元数量与输入图像大小、滤波器大小和滤波器的滑动步长有关。 例如，输入图像是1000x1000像素，滤波器大小是10x10，假设滤波器间没有重叠，即步长为10，这样隐层的神经元个数就是(1000x1000 )/ (10x10)=10000个 深度学习的具体模型及方法 卷积波尔兹曼机（Convolutional RBM） 多滤波器情形 不同的颜色表示不同种类的滤波器 每层隐层神经元的个数按滤波器种类的数量翻倍 每层隐层参数个数仅与滤波器大小、滤波器种类的多少有关 例如：隐含层的每个神经元都连接10x10像素图像区域，同时有100种卷积核（滤波器）。则参数总个数为：（10x10+1）x100=10100个 深度学习的具体模型及方法 卷积波尔兹曼机（Convolutional RBM） CNN的关键技术：局部感受野、权值共享、时间或空间子采样 CNN的优点： 1、避免了显式的特征抽取，而隐式地从训练数据中进行学习； 2、同一特征映射面上的神经元权值相同，从而网络可以并行学习，降低了网络的复杂性； 3、采用时间或者空间的子采样结构，可以获得某种程度的位移、尺度、形变鲁棒性； 3、输入信息和网络拓扑结构能很好的吻合，在语音识别和图像处理方面有着独特优势。 对象识别——CNN 5个卷积层和2个全连接层 每层卷积核个数96,256,384,384,256 监督学习——卷积神经网络 96个低级卷积核 监督学习——卷积神经网络 网络庞大，但容易收敛 唯一不需要特定初始化参数就可以训练成功 比较容易并行化训练，并且可以利用GPU加速 在计算机视觉（CV）领域取得成功 深度学习及视觉应用 深度学习概述 深度视觉应用 ClassificationDetectionSegmentation Image Captioning Image Generator Image Captioning Image Generator CNN Model Convolutional Neural Network Based on Caffe Framework Basic Model ZFNet VGGNet GoogleNet ResNet DenseNet SqueezeNet Classification Object Detection 模型：R-CNN,Fast R-CNN, Faster R-CNN, YOLO, SSD等知名框架 精度：PASCAL VOC上的mAP，从R-CNN的53.3%，Fast RCNN的68.4%，Faster R-CNN的75.9%，Faster RCNN结合残差网（Resnet-101），达到83.8% 速度：从最初的RCNN模型，处理一张图片要用2秒多，到F