《人工智能开源硬件与Pyhthon编程实践》课件 项目13 卷积神经网络与图像自动分类.pptVIP

卷积神经网络与图像自动分类 人工智能开源硬件与python编程实践 情境导入 2016年3月，阿尔法围棋（AlphaGo）与围棋世界冠军、职业九段棋手李世石进行围棋人机大战，以4比1的总比分获胜 。 阿尔法围棋是第一个击败人类职业围棋选手、第一个战胜围棋世界冠军的人工智能机器人，围棋界公认阿尔法围棋的棋力已经超过人类职业围棋顶尖水平，其主要工作原理是“深度学习”。 任务与目标 了解几种典型的卷积神经网络基本结构和应用方法； 了解CIFAR-10网络的模型结构、加载调用和编程应用方法； 了解运用人工智能开源硬件和OpenAIE Python库设计图像分类系统的方法； 运用人工智能开源硬件和Python编程，编写和调试初步的图像分类应用程序。 知识拓展：卷积神经网络经典模型 LeNet AlexNet ZFNet GooLeNet VGGNet 知识拓展：深度学习开源开发框架 Tensorflow Tensorflow是Google Brainu团队针对机器学习和深度神经网络而开发，使用数据流图（Data Flow Graph）的形式进行计算。图中的节点代表数学运算，而图中的线条表示多维数组（tensor）之间的交互。 Caffe Caffe是一个清晰、高效的深度学习框架，核心语言是C++，支持命令行、Python和MATLAB接口 PyTorch PyTorch非常Python化，可以在PyTorch模型中任意添加pdb断点，调试方便。PyTorch灵活易用、API接口设计合理简洁。 PaddlePaddle 是百度研发的开源开放的深度学习平台，是国内最早开源、也是当前唯一一个功能完备的深度学习平台。 知识拓展：AlexNet模型 Alex在2012年提出的alexnet网络结构模型开启了神经网络的应用热潮，并赢得了2012届图像识别大赛的冠军，使得CNN成为在图像分类上的核心算法模型 ； Input输入层 ； 卷积层 ； 池化层； 全连接层； 输出层 设计与实践 CIFAR-10模型结构 cifar10网络模型的加载 图像分类识别 编程及实现 CIFAR-10模型结构 CIFAR-10模型是利用CIFAR-10 数据集训练出来的具有10分类能力的CNN网络，科院分类识别飞机、汽车、鸟、猫、鹿、狗、青蛙、马、船以及卡车等10个类别物体。 CIFAR-10模型结构除了最顶部的几层外，基本跟AlexNet模型一致。模型是一个多层架构，由卷积层和非线性层(nonlinearities)交替多次排列后构成。这些层最终通过全连通层对接到softmax分类器上。 cifar10网络模型的加载 # 加载cifar10网络。 # 更快，更小，更准确。 net = nn.load(/cifar10_fast.network) labels = [airplane, automobile, bird, cat, deer, dog, frog, horse, ship, truck] 图像分类识别 OpenAIE内嵌库中有net.search(image[, roi[, threshold=0.6[, min_scale=1.0[, scale_mul=0.5[, x_overlap=0[, y_overlap=0[, contrast_threshold=1[, softmax=False]]]]]]]]) 方法，用来以滑动窗口方式在图像roi上运行神经网络。 网络检测器窗口以多种比例滑过图像。返回神经网络检测结果的nn_class 对象列表。 图像分类识别编程 基于cifar10网络模型，利用net.search对象实现图像分类识别的Python代码如下： for obj in net.search(img, threshold=0.6, min_scale=0.5, scale_mul=0.5, \ x_overlap=0.5, y_overlap=0.5, contrast_threshold=0.5): img.draw_rectangle(obj.rect(), color=(255, 0, 0)) 系统编程及实现 利用cifar10卷积神经网络模型，能够快速检测出图像中存在的10种目标物体： 分析与思考 结合本编程实践进行思考：如果将本项目改造成校园植物园的花草识别系统，存在哪些困难？应该如何进行改造设计？ 借鉴本项目介绍的理论、方法和例程，如果利用cifar10网络模型来设计一个车牌识别系统，具有可行性吗？ 利用互联网络检索cifar100网络模型的原理和应用方法，如果利用cifar100网络模型来设计一个车牌识别系统，情况又会怎样？。