人工智能图像处理.pptxVIP

;提纲;机器学习;智能的层次;;1、从机器学习说起;无论训练阶段还是测试阶段都需要特性工程，特性工程的质量和效率直接影响建模与否成功。

深度学习实现了有限领域特性工程自动化。;2、机器学习四要素——DACM;3、机器学习两大困难

（1）特性工程

;3、机器学习两大困难

（2）模型假设;4、机器学习分类;神经网络;1、神经元;1、神经元;2、神经网络;3、ANN存在的问题;深度学习;（1）受大脑接受信息的模式的启发;（2）图像的计算机表达;(3)局部感知（卷积）【感爱好的目的比图像小的多】;（3）局部感知;(4)权值共享（平移不变性）【卷积核平移，数据不变】;（4）权值共享;(5)池化（放缩不变性）;池化操作也称为下采样（Subsampling），其作用是过滤冗余特性，减少训练参数。;3、经典深度学习架构-CNN;4、卷积深入讨论;4、卷积深入讨论;每一种卷积核中的数值，都是学习出来的，不需要我们费心去设置。需要我们做的是：;注意：;5、池化深入讨论;注意：;（1）深度学习工程师处在工业化大生产时代，“老科学家”长期积累的优势不再牢固;（2）DL领域几位疯牛;（3）常用深度学习框架;/documentation/docs/zh/api_cn/index_cn.html;计算机视觉;计算机视觉，英文ComputerVision，