视觉图像AI

一、视觉原理

1、1981年大卫.休伯尔，托斯坦.卫泽尔；对猫做实验（1、简单线条2、复杂运动）

2、福岛邦彦（神经认知模型）光---V1----V2----V3

像素点-----边缘方向-----物体轮廓和细节-----信息整合到一起，进行判断物体

3、杨立昆：卷积神经网络CNN（图像识别）

二、卷积神经网络（数学方法提取出图像的特征）

原图像

0	0	0	0	0	0	0
0	1	0	0	0	1	0
0	0	1	0	1	0	0
0	0	0	1	0	0	0
0	0	1	0	1	0	0
0	1	0	0	0	1	0
0	0	0	0	0	0	0

                                                                  

卷积核

1	0	0
0	1	0
0	0	1

特征图

2	0	1	0	1
0	3	0	1	0
1	0	3	0	1
0	1	0	3	0
1	0	1	0	2

           

 

 

                    

 

 

   

 

注释：不同的卷积核产生不同的特征，选择卷积核很重要 （上面列子：斜下右上的卷积核对原图像进行卷积，数字越大表示特征越明显333特征明显）

三、池化、激活

特征图

2	0	1	0	1
0	3	0	1	0
1	0	3	0	1
0	1	0	3	0
1	0	1	0	2

       

池化

3	1	1
1	2	1
1	1	2

 

 

 

 选择颜色块区最大的一个值，填写到3x3的表格内，就是池化

 

激活就用sigmode函数进行激活

0.95	0.73	0.73
0.73	0.95	0.73
0.73	0.73	0.88

 

 

 

 激活到（0-1）范围内的值。

 

 

四、算法、数据、算力

算力介绍：算力就是计算的效率（芯片）

1、CPU：通用性比较好，cpu就是中央处理器，特点，并行能力差，串行能力好。

（1、并行：同时计算多个加减法2、串行：只能一个一个计算）

2、GPU：（计算机图像投影到屏幕上）代表公司英伟达，专用性比较强，串行能力差，并行能力好，同时计算多个加减法。

3、NPU：神经网络处理器，专用性和并行能力都比GPU强；华为的升腾910NPU处理器。（目前效率最快的人工智能处理器）