2020-7-24 吴恩达DL学习-C4 卷积神经网络-第一周 CNN(1.1 计算机视觉)

1.视频网站：mooc慕课https://mooc.study.163.com/university/deeplearning_ai#/c
2.详细笔记网站(中文)：http://www.ai-start.com/dl2017/
3.github课件+作业+答案：https://github.com/stormstone/deeplearning.ai

1.1 计算机视觉 Computer vision

计算机视觉是一个飞速发展的一个领域，这多亏了DL。

• DL与计算机视觉可以帮助汽车，查明周围的行人和汽车，并帮助汽车避开它们。
• 还使得人脸识别技术变得更加效率和精准，你们即将能够体验到或早已体验过仅仅通过刷脸就能解锁手机或者门锁。
• 当你解锁了手机，我猜手机上一定有很多分享图片的应用。在上面，你能看到美食，酒店或美丽风景的图片。有些公司在这些应用上使用了DL技术来向你展示最为生动美丽以及与你最为相关的图片。
• ML甚至还催生了新的艺术类型。

DL之所以让我兴奋有下面两个原因，我想你们也是这么想的。

第一，计算机视觉的高速发展标志着新型应用产生的可能，这是几年前，人们所不敢想象的。通过学习使用这些工具，你也许能够创造出新的产品和应用。

其次，即使到头来你未能在计算机视觉上有所建树，但我发现，人们对于计算机视觉的研究是如此富有想象力和创造力，由此衍生出新的NN结构与算法，这实际上启发人们去创造出计算机视觉与其他领域的交叉成果。举个例子，之前我在做语音识别的时候，我经常从计算机视觉领域中寻找灵感， 并将其应用于我的文献当中。所以即使你在计算机视觉方面没有做出成果，我也希望你也可以将所学的知识应用到其他算法和结构。

就介绍到这儿，让我们开始学习吧。

这是我们本节课将要学习的一些问题，你应该早就听说过图片分类 Image Classification，或者说图片识别。比如上图给出这张64×64的图片，让计算机去分辨出这是一只猫。

还有一个例子，在计算机视觉中有个问题叫做目标检测 Object detection。
比如上图，在一个无人驾驶项目中，你不一定非得识别出图片中的物体是车辆，但你需要计算出其他车辆的位置，以确保自己能够避开它们。所以在目标检测项目中，首先需要计算出图中有哪些物体，比如汽车，还有图片中的其他东西，再将它们模拟成一个个盒子，或用一些其他的技术识别出它们在图片中的位置。注意在这个例子中，在一张图片中同时有多个车辆，每辆车相对与你来说都有一个确切的距离。

还有一个更有趣的例子，就是NN实现的图片风格迁移 Neural Style Transfer。如上图，比如说你有一张图片，但你想将这张图片转换为另外一种风格。
图片风格迁移，就是你有一张满意的图片和一张风格图片，实际上右边这幅画是毕加索的画作，而你可以利用NN将它们融合到一起，描绘出一张新的图片。它的整体轮廓来自于左边，却是右边的风格，最后生成下面这张图片。这种神奇的算法创造出了新的艺术风格，所以在这门课程中，你也能通过学习做到这样的事情。

但在应用计算机视觉时要面临一个挑战，就是数据的输入可能会非常大。

举个例子，在过去的课程中，你们一般操作的都是64×64的小图片，实际上，它的数据量是64×64×3，因为每张图片都有3个颜色通道。如果计算一下的话，可得知数据量为12288，所以我们的特征向量$x$维度为12288。这其实还好，因为64×64真的是很小的一张图片。

但是如果你要操作更大的图片，比如一张1000×1000的图片，它足有1兆那么大，特征向量的维度达到了1000×1000×3，因为有3个RGB通道，所以维度数字将会是300万。

如上图。如果你在尺寸很小的屏幕上观察，可能察觉不出上面的图片只有64×64那么大，而下面一张是1000×1000的大图。

如果你要输入300万的数据量，这就意味着，特征向量$x$的维度高达300万。

如上图。
在第一隐藏层中，你也许会有1000个隐藏单元，所有的权值组成了矩阵$W^{[1]}$ 。如果你使用了标准的全连接网络，就像我们在第一门《 神经网络和深度学习》和第二门的课程《 改善深层神经网络》里说的，这个矩阵的大小将会是1000×300万。

因为现在$x$的维度为3m，3m通常用来表示300万。这意味着$W^{[1]}$矩阵会有30亿个参数，这是个非常巨大的数字。在参数如此大量的情况下，难以获得足够的数据来防止NN发生过拟合和竞争需求。要处理包含30亿参数的NN，巨大的内存需求让人不太能接受。

对于计算机视觉应用来说，你肯定不想它只处理小图片，你希望它同时也要能处理大图。为此，你需要进行卷积计算，它是卷积神经网络中非常重要的一块。