第六天：机器视觉-深度学习

第六天：机器视觉-深度学习

深度学习就是通过低层次特征形成更加抽象的高层特征或属性类别，一般是将低层次表达通过线性或者非线性组合获得更高层次的表达，图像与声音类似。
机器学习就是通过算法，使得机器能从大量历史数据中学习规律，从而对新的样本做智能识别或对未来做预测。
深度学习是一种机器学习方法 ， 它允许我们训练人工智能来预测输出，给定一组输入(指传入或传出计算机的信息)。监督学习和非监督学习都可以用来训练人工智能。
神经网络是一组粗略模仿人类大脑，用于模式识别的算法。神经网络这个术语来源于这些系统架构设计背后的灵感，这些系统是用于模拟生物大脑自身神经网络的基本结构，以便计算机能够执行特定的任务。
可以采用梯度下降法降低成本函数。
构建神经网络的时候：
第一步：准备数据
第二部：配置网络：
共有三层（不加入输入层）有两个隐层和一个输出层，输出层相当于一个分类器。
定义输出层是注意灰度图和彩色通道有单通道和三通道的区别。接下来定义损失函数，优化，
第三步：模型训练
第四步：模型评估
数学基础&py基础
在机器视觉发展至中期时：主要分为四步：特征提取，向量化，索引技术，后处理
在索引技术中一般采用加权的处理方式
后处理：局部几何认证，弱空间关系验证，乘积量化