吴恩达2022机器学习专项课程C2(高级学习算法)W1(神经网络):2.3 案例图像识别

目录

电脑如何表示一张图像

1.像素

像素是图像最小单位,用于表示图像中的点或区域,并具有特定的亮度或颜色值。本案例图像的像素为1000x1000像素。在计算机中,实际上是一个1000x1000的像素亮度(强度)值矩阵。

2.像素亮度值

像素亮度值描述像素的亮度或颜色强度,此案例中。亮度值的范围是0-255。197是图像左上角的亮度值,214是图像右下角的亮度值。

3.展开像素亮度值

将这些像素亮度转换成一个向量,向量包含1000*1000,也就是100万个亮度值。

神经网络构建人脸识别

1.需求

构建一个人脸识别应用程序,能否训练一个神经网络,该网络以包含100万像素亮度值的特征向量为输入,并输出图片中人物的身份。

2.整体过程

将图像X输入到第一个隐藏层,隐藏层提取一些特征。第一个隐藏层的输出到第二个隐藏层,第二个隐藏层的输出到到第三层,最后到输出层,最后估计,例如这可能是某个特定人物的概率。

3.隐藏层识别图像

  • 第一个隐藏层:寻找图像中非常短的线或非常短的边缘,层里的神经元寻找低垂直线或类似的垂直边缘,或寻找一个方向的线或方向的边缘,或寻找具有该方向的线。
  • 第二个隐藏层:检测面部的某个部分存在或不存在,神经元们检测眼睛,检测耳朵,或检测鼻子的某个角落。
  • 第三个隐藏层: 检测更大更粗的面部形状的存在或不存在。
  • 输出层:最后,检测脸部与不同脸部形状的对应程度,创建了一组丰富的特征,然后帮助输出层尝试确定图片中人物的身份

4.小结

本例中,第一层中查找短小的边缘,第二层中查找眼睛和鼻子等面部部位,然后在第三层中查找更完整的面部形状。神经网络能够自己从数据中找出这些特征,而无需明确指引。同时,每一层用的窗口更大,也就是在图像的搜寻范围上更大。

神经网络构建识别汽车

第一个隐藏层层学习图像边缘,第二个隐藏层学习检测汽车的部件,第三个隐藏层学习检测更完整的汽车轮廓。

神经网络在计算机视觉应用中的工作原理

只要输入不同的数据,神经网络就会自动学习检测不同的特征,从而完成汽车检测、人脸识别,或者判定输入是否含有某个特定事物的预测任务。

相关推荐
智驱力人工智能2 分钟前
使用手机检测的智能视觉分析技术与应用 加油站使用手机 玩手机检测
深度学习·算法·目标检测·智能手机·视觉检测·边缘计算
on_pluto_2 分钟前
LLaMA: Open and Efficient Foundation Language Models 论文阅读
python·机器学习
姚瑞南22 分钟前
【AI 风向标】四种深度学习算法(CNN、RNN、GAN、RL)的通俗解释
人工智能·深度学习·算法
_李小白24 分钟前
【OPENGL ES 3.0 学习笔记】第一天:认识渲染管道
笔记·学习
future141227 分钟前
单片机学习日记
单片机·嵌入式硬件·学习
antonytyler27 分钟前
认识机器学习
机器学习
半路程序员40 分钟前
Go语言学习(三)
学习
渡我白衣44 分钟前
深度学习入门(一)——从神经元到损失函数,一步步理解前向传播(上)
人工智能·深度学习·学习
补三补四44 分钟前
SMOTE 算法详解:解决不平衡数据问题的有效工具
人工智能·算法
一车小面包1 小时前
对注意力机制的直观理解
人工智能·深度学习·机器学习