深度学习在可视化中的应用.docxVIP

深度学习在可视化中的应用

ApplicationofDeepLearninginVisualization

LIUZHONG-KAI

Class:ElectronicandInformationEngineering13-2class

Number:2013211766

摘要：深度学习的概念源于人工神经网络的研究，它是机器学习的一种，是机器学习的二次浪潮。可视化技术作为一种先进的图形处理、建模手段，在城市规划、观测生物生长等领域有非常重要的作用。本文介绍深度学习的机理、可视化的概念以及深度学习在可视化处理中的应用和一般的模型的阐述。

关键字：深度学习，可视化应用，城市规划，图像分类，汽车颜色识别，运动目标识别

Abstract:Deeplearningsconceptfromthestudyofartificialneuralnetwork,whichisamachinelearning,isthetwowaveofmachinelearning.Visualizationtechnology,asanadvancedgraphicsprocessingandmodelingmethod,hasaveryimportantroleinthefieldofurbanplanningandobservation.Thispaperintroducesthemechanismofdeeplearning,theconceptofvisualizationandtheapplicationofdeeplearninginvisualprocessingandthegeneralmodelofthepaper.

KeyWord:DeepLearning,VisualizationApplication,ImageClassification,VehicleColorRecognition,Urbanplanning，MovingObjectRecognition

深度学习于2006年，由加拿大多伦多大学教授、机器学习领域的泰斗GeoffreyHinton和他的学生RussianSalakhutdinov提出。开启了深度学习在学术界和工业界的浪潮。深度学习是机器学习研究中的一个新的领域，也是机器学习的重要方法之一，其动机在于建立、模拟人脑进行分析学习的神经网络来促进机器学习，它模仿人脑的机制来分析、处理、筛选数据，例如图像、声音、视频和感知等。深度学习作为无监督学习的一种。其概念源于人工神经网络(neuralnetwork)的研究。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示，从而根据这些特征来促使机器来达到一定的目的。

可视化（Visualization）是利用计算机图形学和图像处理技术，将数据转换成3D图形或图像在屏幕上显示出来，并进行交互处理的理论、方法和技术。它涉及到计算机图形学、图像处理、计算机视觉、计算机辅助设计等多个领域，成为研究数据表示、数据处理、决策分析等一系列问题的综合技术。目前正在飞度发展的虚拟现实技术也是以图形图像的可视化技术为依托的。

如今计算机科学技术的高速发展，为可视化的发展提供给了良好的发展环境，促进了可视化理论、方法、技术的空前大发展，可视化处理日益成熟。其在模拟世界研究、宇宙研究、3D城市规划建模以及生物食品研究，药物分子研究、基因组学研究等方面发挥着越来越重要的作用。

深度学习的基本原理是根据人脑神经元网络深层次对外界信息琢层处理机制来获得信息做出判断、决策。例如从原始信号摄入开始（瞳孔摄入像素Pixels），接着做初步处理（大脑皮层某些细胞发现边缘和方向），然后抽象（大脑判定，眼前的物体的形状，是圆形的），然后进一步抽象（大脑进一步判定该物体是只西瓜）。这个生理学的发现，促成了计算机人工智能，在四十年后的突破性发展。人的视觉系统的信息处理是分级的。从低级的1区提取边缘特征，再到2区的形状或者目标的部分等，再到更高层，整个目标、目标的行为等。也就是说高层的特征是低层特征的组合，从低层到高层的特征表示越来越抽象，越来越能表现语义或者意图。而抽象层面越高，存在的可能猜测就越少，就越利于分类。利用人脑处理信息的这一原理，可以对机器进行深度学习训练，从而达到人脑的所具备的或者说类似人脑来处理一些数据、信息。尤其是在数据量比较大，信息处理比较繁琐，需要投入大量的人力物力的时候，深度学习来培训机器学习显得尤为重要。例如特征脸的识别技术，照片筛选，天气预报数据