基于matlab的深度学习的视觉场景识别

---

---

前言

近年来，深度学习在多个领域都得以广泛应用并取得了显著的成绩。2012 年 10 月，Hinton教授及他的学生采用深度卷积神经网络模型在著名的 ImageNet 问题上取得了当时世界上最好的成就，引发了社会各界人士的广泛关注。Facebook 的人脸识别项目 DeepFace 基于深度学习进行搭建，可应用于分辨两幅现实场景的照片，识别出这两幅照片是否包含同一张人脸，据称该判断的准确度已接近人类的平均水平。虽然人类也可以完成这项任务，但是难以大量数据的并发处理，具有局限性。因此，基于深度学习的人脸识别可综合运用计算机的高性能并发计算能力，具备应用于互联网图像大数据处理的潜力

---

一、理论基础

传统的机器学习算法框架（例如 SVMs 及 Logistic Regression）等一般属于浅层学习范畴，对应较少的层数。深度学习则通过构建多级中间层的方式来增加算法结构的深度，达到多层次网络模型的架构。如图 30-1 所示，通过学习深层非线性的网络结构，深度学习可以实现对复杂函数的逼近，进而更好地对数据的本质特征进行描述，达到更高的准确度。