1、深度学习
人工神经网络:大量神经元以某种连接方式构成的数学模型,从属于机器学习模型。
F(X)=y。
主流(重点学习):RNN(循环神经网络),CNN(卷积神经网络)。
1.1深度神经网络——深度学习
深度学习本质是神经网络,其中“深”表示网络层数深,从传统的个位数加深到成百上千层。
LeNet-5:5层,AlexNet:5+3=8层,VGG:16层,GoogleNet:22层,ResNet:152层。
拉动人工智能的三个马车:算法(算法模型);算力(GPU);算料(数据)。
已经有了经典的算法模型例CNN,RNN,就不需要改动网络结构,层数。
1.2深度学习技术可以应用到图像,语言,自然语言处理等众多领域。
分割:将图像的轮廓画出来
超像素分割:将相同的像素归结在一起
语义分割:将图像上所有图像都分出一个类别
实例分割:将轮廓框出来
全景分割
语音:语音识别
自然语言处理:文本生成,文本分类。
文本生成演示
2、图像识别
图像识别:是指利用计算机图像进行处理、分析和理解,以识别各种不同模式的目标和对象的技术,是应用深度学习算法的一种实践应用。
人脸识别:人脸检测;人脸比对;人脸对齐(关键点检测);
2.1数字图像
RGB图像,(0,0,0)黑色;(255,255,255)白色
图像shape=(H,W,C)
成像方式:
伽马射线成像:用于核医学和天文观察。核医学中,将放射性同位素注射到人体,同位素衰变时放射出伽马射线,检测仪收集射线产生图像。
X射线:电磁辐射源之一,肺部CT,X光胸片。
可见光成像:电磁波谱
2.2数字图像存储形式
彩色图像(RGB图像)以一个3位数组形式表示,格式(H,W,3)
灰度图像以2/3位数组形式表示,通常格式为(H,W)或(H,W,1)
像素深度
数字化图像的每个像素是用一组二进制数进行描述,其中包含表示图像颜色的位,图中每个像素颜色所占的二进制位位数,称为图像深度。
通常的RGB图像各通道是8位深度,有256种色阶,总共可表示16,777,216种色彩,俗称千万色
若各通道加深至10位,则可表示1,073,741,824种色彩,即十亿色。
数字图像需要关注图像的形状和像素值。
2.3图像识别应用:
图像分类:给定输入图片,输出将其分裂到已知类别中。识别出:猫
图像分割:是像素级的分类,把图片中属于同一区域的像素赋予相同的编号。物体分割,人物抠图。
目标检测:在图像中将目标框出来。
图像生成: