目录
1 机器学习VS深度学习
如果使用传统机器学习方法我们要实现图片分类,做法如下:
缺点:特征过多,如果将每个像素都作为特征点,那么对于一张640×320的RPG图片,特征数量为640×320×3≈61万个特征
机器学习: 利用算法使计算机能够像人一样从数据中挖掘出信息
深度学习:相比于其他方法参数更多、模型更复杂、使得模型对数据理解更深、更智能。
深度学习的特征提取方法:卷积
满足“线性性”和“平移不变性”。
卷积神经网络中的“卷积运算”,本质上对应的是计算“相关性”
多隐层的深度神经网络
以面部识别为例,构建一个含有两个隐藏层的前馈神经网络
学习的是神经元中的权重参数
2 深度学习开发实例
2.1任务背景与目标
任务背景:
自动驾驶行业近些年来逐渐火爆,计算机视觉在其中起到了非常重要的作用。某公司希望给其生产的玩具车赋予检测交通标志的能力。希望能够在模拟场景中识别常见交通标志。
任务目标: