第7章 深度学习在图像中的应用.pptxVIP

高级大数据人才培养丛书之一，大数据挖掘技术与应用BIG DATA深度学习刘 鹏 张 燕 总主编刘鹏 主编 赵海峰 副主编习题全国高校标准教材《云计算》姊妹篇，剖析深度学习核心技术和实战应用第七章　深度学习在图像中的应用7.1　图像识别基础7.2　基于深度学习的大规模图像识别7.3　应用举例：人脸识别7.5　应用举例：图像标注7.4　应用举例：图像风格化of317.1图像识别基础第七章 深度学习在图像中的应用1．人眼和计算机的图像识别过程of317.1图像识别基础第七章 深度学习在图像中的应用2．计算机对图像进行识别的难点 对于一张自然场景图像，我们人眼看到的会是左边这张生动的图像；而对于计算机而言，看到的确是一堆枯燥的数字（这些数字对应的是图像各像素点的灰度等特征值）。如何在像素点的特征值和图像语义之间进行处理和关联是计算机进行图像识别的一大难题。of31习题全国高校标准教材《云计算》姊妹篇，剖析深度学习核心技术和实战应用第七章　深度学习在图像中的应用7.1　图像识别基础7.2　基于深度学习的大规模图像识别7.3　应用举例：人脸识别7.5　应用举例：图像标注7.4　应用举例：图像风格化of317.2基于深度学习的大规模图像识别第七章 深度学习在图像中的应用1．大规模图像数据库:Imagenet ImageNet由美国斯坦福大学Li Fei-fei教授的研究团队提出，是一个很大规模的数据库，包含超过一千五百万具有标签的高清图像，这些图像可以分成约两万两千个类别。这些图像均从网络中采集而得；并使用亚马逊的“土耳其机器人”众包工具，集广大网民的力量手工标注获得图像对应的标签。 of317.2基于深度学习的大规模图像识别第七章 深度学习在图像中的应用2．AlexNet网络结构 AlexNet总共包含8个学习层：前5层是卷积层，最后3层是全连接层。在这5个卷积层中，第1、2、5层后面有最大值池化（Max pooling）层。of317.2基于深度学习的大规模图像识别第七章 深度学习在图像中的应用3．非线性激活函数ReLU AlexNet中，使用ReLU激活函数来替代Sigmoid激活函数。相比较于Sigmoid激活函数而言：（1）ReLU激活函数在大于0的部分梯度为常数，不会出现梯度弥散现象；（2）ReLU激活函数在小于0的部分梯度都为0，可以在一定程度上缓解过拟合现象的发生；（3）ReLU激活函数的导数计算非常简单快速（3）ReLU激活函数的导数计算非常简单快速of317.2基于深度学习的大规模图像识别第七章 深度学习在图像中的应用4.增加训练样本 增加训练样本，又称为数据增强（data augmentation），通过对图像进行变换人为地扩大训练数据集。该方法是减少过拟合现象的一个最容易和最普遍的方法。常见数据增强方法：1、随机裁剪和水平翻转；2、颜色调整of317.2基于深度学习的大规模图像识别第七章 深度学习在图像中的应用5.dropout技术 在网络训练期间，dropout技术相当于是对整体神经网络进行子采样。具体实现方法为：以50%的概率将神经网络中每一个隐层结点的输出设置为0，使之不参与前向传播和反向传播。of31习题全国高校标准教材《云计算》姊妹篇，剖析深度学习核心技术和实战应用第七章　深度学习在图像中的应用7.1　图像识别基础7.2　基于深度学习的大规模图像识别7.3　应用举例：人脸识别7.5　应用举例：图像标注7.4　应用举例：图像风格化of317.3应用举例：人脸识别第七章 深度学习在图像中的应用1．人脸识别的经典流程 在自然场景中进行自动人脸识别的经典流程一般分为以下三个步骤：人脸检测 (face recognition)、人脸对齐( face alignment，又称作面部特征点对齐)、特征提取和分类器设计of317.3应用举例：人脸识别第七章 深度学习在图像中的应用2．人脸图像数据库 LFW (Labeled Faces in the Wild) 数据库是自然场景环境下人脸识别问题的测试基准，是目前用得最多的自然场景人脸图像数据库。该数据库中的图像来源于因特网，采集的是自然场景环境下的人脸图像，目的是提高自然场景环境下人脸识别的准确率。这个数据库包含5749个人，共13233幅图像。of317.3应用举例：人脸识别第七章 深度学习在图像中的应用3．基于深度学习的人脸识别方法 DeepFace方法的贡献主要包括两点：一是基于3D模型对人脸进行对齐；二是使用大数据训练深层的人工神经网络，得到具有判别性的人脸特征。of31习题全国高校标准教材《云计算》姊妹篇，剖析深度学习核心技术和实战应用第七章　深度学习在图像中的应用7.1