深度学习视频（一）

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：