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