《深度学习原理与TensorFlow实践》学习笔记（三）

图像识别的经典课题

计算机视觉

• 核心目标：让计算机“看懂”图像内容
• 问题挑战：
  
  • 图像包含的信息复杂，充满着简单（颜色、线条、形状等）和复杂（姿势、场景、物体分布等）的元素，难以使用单一知识体系来概括。
  • 图像对于计算机来说，只是独立的像素集合，计算机无法归纳像素之间的关联关系

图像识别课题

卷积神经网络原理

前深度学习时代

• 传统机器学习方法
  
  • 图像预处理：调整大小、调整明暗度、图像降噪、图像增强等
  • 特征提取：手工或利用图像处理算子（如，SIFT、HoG、Sobel等）
  • 归纳识别：SVM、人工神经网络
• 局限
  
  • 传统机器学习算法只能得出输入特征与输出标签之间的映射关系
  • 特征选取强烈依赖人类的先验经验和大量实践，可移植程度低
  • 大量特征无法由人类归纳总结

卷积操作（Convolution）

• 卷积操作简单来说，就是对于图片中的每一个像素点，计算它的邻域像素和滤波器矩阵（卷积核）的对应位置元素的乘积，然后将所有乘积累加，作为该像素位置的输出值，如下图所示。
  
• 卷积操作的动图：http://deeplearning.stanford.edu/wiki/index.php/Feature_extraction_using_convolution
  
• 在图像处理中，通常会用到一些经典的卷积滤波器，如低通滤波器、高通滤波器、高斯滤波器，这些滤波器会产生不容的效果，如下图所示。上排三个依次为：原图、低通滤波器（Low Pass Filter）、高斯滤波器（Gaussian Filter），下三排依次为：锐化滤波器（Sharpeness Filter）、边缘检测（Edge Detection）、浮雕滤波器（Embossing Filter。
  
• 在线实验，可以自定义卷积核参数测试：https://graphics.stanford.edu/courses/cs178/applets/convolution.html

池化（Pooling）

• 池化操作
  
  • 一般有最大池化（max pooling）和平均池化（average pooling）两种操作
  • 通常采用$2\times 2$的窗口大小，步长为2，处理完的图像长和宽都是