paddlepaddle飞桨深度学习框架实战学习总结

微信公众号：小白图像与视觉

关于技术、关注yysilence00。有问题或建议，请公众号留言。

paddlepaddle深度学习框架实战学习总结1

day 01 图像识别与人工智能

• 1、主要介绍图像识别定义和问题

• 2、传统图像识别方法

• 3、人工智能发展历程

---

图像识别

1、问题：

语义鸿沟semantic gap。图像的底层视觉特性和高层语义概念之间的鸿沟。相似的视觉特性(color, texture, shape，…) ，不同的语义概念。不相似的视觉特性，相同的语义概念。

2、目标：

人们看到的是图片却看不到后面二维像素 因此将图像用数学矩阵表达的值来替代，更能让人们能够理解

传统图像识别方法

1、图像识别基本框架

测量空间————特征空间————类别空间

​

2、传统图像识别技术

1、早期图像识别技术(1990-2003)

流程：

特征提取——————索引技术——————相关反馈——————重排序

具体来讲就是：通过互联网或其他相机设备将采集到的图像存到小型数据库，然后通过计算机相关软件对需要图像处理的图像提取特征，然后进行相似度计算，最后将结果返回。

特征提取方法：

1、全局特征提取：比如颜色、形状、纹理将他们变成特征向量。全局提出忽略了细节。
原图片到向量空间映射再到向量表示。

特征变换：

2、映射为低维空间下的向量表示，常用方法如PCA、MDS、ISOMAP、LLE、Laplacian Eigenmap
空间变换：相似的物体距离近, 不相似的物体距离远

索引技术示例：二进制