卷积神经网络(Convolutional Neural Networks, ConvNets or CNNs)是一种在图像识别与分类领域被证明特别有效的神经网络。随着近几年不断的发展与创新,卷积神经网络已经扩展出更多的功能。再次,简单列举几个方面:
1)分类任务classification
卷积神经网络最善长的就是完成分类任务,比如一张图片上是猫、还是狗、是飞机还是汽车。
2)检索任务(Retrieval)
我们在用淘宝购物的时候,其实就已经在使用这个功能了,比如说我们想买一条裙子,既可以在搜索栏搜关键字,也可以直接输入想要的款式,淘宝就会根据你提供的图片,检索出相似的款式推荐给你
3)检测任务(Detection)
检测任务要完成两个事情,一是检测图中的物体,也就是要用方框圈出图片中的多物体;二是要给出框出的物体的名称。检测任务包含了分类和回归两个过程。
4)分割任务(Segmentation)
图像语义分割的意思就是机器自动分割并识别出图像中的内容,比如在近年的自动驾驶技术中,就需要用到这种技术。利用车载摄像头探查到图像,传给后台计算机,使其自动将图像分割归类,以避让行人和车辆等障碍。
5)其他识别任务
此外,还有像认脸识别,现在苹果手机不是也推出了刷脸功能,支付宝也在开发刷脸支付,也就是说卷机神经网络能进行特征的提取。
类似的工作还有人体姿态检测,或者叫做关键点定位,这个功能可以用在视频文件的分类任务上。
6)图像与自然语言结合
近几年卷机神经网络也开始和循环神经网络RNN、LSTM等网络结果,输入一张图片,计算机就能用自然语言的形式告诉你图片都描述了什么。这一功能在跨媒体搜索领域中发挥作用,用文字搜图片,用图片搜文字等。
7)风格转移
最后,再介绍一个比较有意思的工作,风格转移就是将图像A的风格转换到图像B中去,得到新的图像,即包含了B的内容同时也有A的风格。
卷积神经网络又是通往人工智能的的必经之路,也不得不去学习和实践,是有拿几个项目实践才能够懂得自己到底学到了多少。
这些项目从开头到结尾都是一行行代码自己敲出来的。不知道能不能入得了你们的法眼。如果有兴趣的可以私聊我!!