好了,大概就是遇到这些问题,我们来看看人工智能的解决方案。
首先我们不能将问题想得太复杂,我们不看啥五颜六色图片,我们只看到一个x和y坐标和一个R,G,B的颜色描述。
其实在实际运算中,我们将RGB颜色组换算成了一个G的颜色值,就是根据人眼对颜色的敏感程度,将彩色图片变成灰度图像。
然后我们建立, W x y = G x y W_{xy}=G_{xy} Wxy=Gxy 的位置信息,寻找几何信息就对了。
如果要进行RGB建模,可以用r,g,b来表示三色空间,然后参数就是 W x y = R x y × r ⃗ + G x y × g ⃗ + B x y × b ⃗ W_{xy} = R_{xy} × \vec r +G_{xy} × \vec g +B_{xy} × \vec b Wxy=Rxy×r+Gxy×g+Bxy×b,这样折腾,无疑就没上面的简单了。
其实人工智能就是将创建模板的这个过程自动化,你看到人工智能的运算的基础公式,都是 Q x y = W x y 1 × x x y 1 + W x y 2 × x x y 2 + . . . + W x y n × x x y n + b x y Q_{xy}=W_{xy1}×x_{xy1}+W_{xy2}×x_{xy2}+...+W_{xyn}×x_{xyn}+b_{xy} Qxy=Wxy1×xxy1+Wxy2×xxy2+...+Wxyn×xxyn+bxy 这种形式。
这样的话,就可以将当前位置像素和下一个像素发生关联了。
远看一眼,很长很爆炸,其实仔细瞄了一下,就是乘法和加法。
为啥这么简单,我想是因为这样的运算方便并行运算, 人工智能整体上是一个复杂的运算, 但是分化到现在流行GPU加速的运算单元上, 其就是一个加法运算 或者一个乘法运算。
而GPU的运算单元比较多,这样就让整体的运算特别快。
好了,看懂了这个公式,你就掌握人工智能的本质了。
这个公式在理论上是可以解决我们找某某菜的需求,但是,这个真的要运行出来,并不现实。每个像素点都要产生关联,就不是 1 + 1 = 2 1+1=2 1+1=2这么简单了,真正的运算在像素点的个数上成 指数级 增加的趋势。
这个方法不但运算量太大,而且在运用上也有传统模板的缺乏泛化性的缺点。