什么是图像辨认?为什么要进行图像辨认?

在机械视觉的概念中，图像辨认是指软件具有分辨图片中的人物、地位、物体、动作以及笔迹的才能。计算机可以应用机械视觉技能，结合人工智能以及摄像机来进行图像辨认。

对于仁攀类和动物的大年夜脑来说，辨认物体是很简单的，然则同样的义务对计算机来说倒是很难完成的。当我们看到一个器械像树、或者汽车、或者我们的同伙，我们在分辨他是什么之前，平日不须要下意识的去研究他。然而，对于计算机来说，辨别任何事物(可能是钟表、椅子、人或者动物)都是异常难的问题，并且找到问题解决办法的价值很高。

图像辨认算法一般采取机械进修办法，模仿人脑进行识其余方法。根据这种办法，我们可以教管帐算机分辨图像中的视觉元素。计算机依附大年夜型数据库，经由过程对数据出现的模式进行辨认，可以对图像进行懂得，然后形成相干的标签和类别。

图像辨认技巧的普及应用

图片辨认技巧付与了照片分类应用的用户体验新感触感染。除了供给照片存储，应用法度榜样也可以更进一步，为人们供给更好的发明和搜刮功能。有了经由过程机械进修进行主动图像治理的功能，它们就可以做到这一点。在应用法度榜样中整合的图像辨认法度榜样界面可以根据机械所剖断的特点对图像进行分类，并且根据主题将照片分组。

图像识其余其他应用包含存储照片和视频网站、互动营销以及创意晃荡，社交收集的人脸和图像辨认，以及具有大年夜型视觉图像库网站的图像分类。

图像辨认是一项艰苦的义务

图像辨认不是一项轻易的义务，一个好的办法是将元数据应用到非构造数据上。聘请专家对音乐和片子库进行人工标注或许是一个令人生畏的艰苦义务，然而有的挑衅几乎是弗成能完成的，诸如教会无人驾驶汽车的导航体系将过马路的行人与各类各样的灵活车分辨出来，或者将用户天天传到社交媒体上的数以百万计的视频或照片进行标注以及分类。

解决这个问题的一个办法是应用神经收集。理论上，我们可以应用传统神经收集对图像进行分析，然则实际上大年夜计算角度来看价值很高。举个例子，一个传统的神经统??处理一张很小的图片时(假设30*30像素)仍然须要50万个参数以及900个输入神经元。一个相当强大年夜的机械可以运行这个收集，然则一旦图片变大年夜了(例如500*500像素)，参数以及输入的数量就会达到异常高的数量级。

神经收集应用于图像识其余另一个会出现的问题是：过拟合。简单地说，过拟合一般产生在模型过于贴合练习数据的情况下。一般而言，这会导致参数增长(进一步增长了计算成本)以及模型对于新数据的结不雅在总体表示中有所降低。

卷积神经收集

根据神经收集的构建方法，一个相对简单的改变就可以让较大年夜的图像变得更好处理。改变的结不雅就是我们所见到的卷积神经收集(CNNs，ConvNets)。

卷积神经收集构造模型

神经收集的广适性是他们的长处之一，然则在处理图像时，这个长处就变成了包袱。卷积神经收集对此专门进行了调和：如不雅一个收集专为处理图像而设计，有些广适性须要为更可行的解决筹划做出让步。

对于随便率性图像，像素之间的距离与其类似性有很强的关系，而卷积神经收集的设计恰是应用了这一特点。这意味着，对于给定图像，两个距离较近的像素比拟于距离较远的像素更为类似。然而，在通俗的神经收集中，每个像素都和一个神经元相连。在这种情况下，附加的计算负荷使得收集不敷精确。

卷积神经收集经由过程清除大年夜量类似的不重要的连接解决了这个问题。技巧上来讲，卷积神经收集经由过程对神经元之间的连接根据类似性进行过滤，使图像处理在计算层面可控。对于给定层，卷积神经收集不是把每个输入与每个神经元相连，而是专门限制了连接，如许随便率性神经元只能接收来自前一层的一小部分的输入(例如3*3或5*5)。是以，每个神经元只须要负粜ウ理一张图像的一个特定部分。(趁便提一下，这根本就是人脑的自力皮质神经元工作的方法。每个神经元只对完全视野的一小部分进行响应)。

卷积神经收集的工作过程

上图大年夜左到右可以看出：

• 收集对输入的┞锋实图像进行扫描提取特点。传递特点的滤波器由淡色方块表示。
• 激活图由客栈情势分列，每一个对应所用的滤波器。较大年夜的方形是要进行下采样的块。
• 激活图经由过程下采样进行紧缩。
• 下采样后的激活图经由滤波器产生新的一组激活图。
• 第二次下采样——对第二组激活图进行紧缩。
• 全连接层为每个节点的输出指定一个标签。

卷积神经收集的有趣小应用：主动为无声片子添加声音

卷积神经收集的滤波器若何对连接根据类似性进行滤波?诀窍在于新加的两种层构造：池化层和卷积层。我们下面将步调进行分化。用为了只完成一件工作而设计的收集实例进话旧绍，即决定一张图片中是否含有一个老爷爷。

过程的第一步是卷积层，它本身本身就包含几个小步调。

• 起首，我们要将包含老爷爷的图片分化为一系列有重叠的3*3的像素块。
   1/2    1 2 下一页 尾页
  
  

  　　推荐阅读

  　　程序员学网络之集线器和交换机

  大年夜收集实现 实现层面 收集可以划分为以太网、令牌环、FDDI、ATM，它们都规定了各自的物理介质、收集适配器>>>详细阅读

  
  

  本文标题：卷积神经网络如何进行图像识别

  地址：http://www.17bianji.com/lsqh/37264.html

   1/2    1