第六天:机器视觉-深度学习

第六天:机器视觉-深度学习

深度学习就是通过低层次特征形成更加抽象的高层特征或属性类别,一般是将低层次表达通过线性或者非线性组合获得更高层次的表达,图像与声音类似。
机器学习就是通过算法,使得机器能从大量历史数据中学习规律,从而对新的样本做智能识别或对未来做预测。
深度学习是一种机器学习方法 , 它允许我们训练人工智能来预测输出,给定一组输入(指传入或传出计算机的信息)。监督学习和非监督学习都可以用来训练人工智能。
神经网络是一组粗略模仿人类大脑,用于模式识别的算法。神经网络这个术语来源于这些系统架构设计背后的灵感,这些系统是用于模拟生物大脑自身神经网络的基本结构,以便计算机能够执行特定的任务。
可以采用梯度下降法降低成本函数。
构建神经网络的时候:
第一步:准备数据
第二部:配置网络:
共有三层(不加入输入层)有两个隐层和一个输出层,输出层相当于一个分类器。
定义输出层是注意灰度图和彩色通道有单通道和三通道的区别。接下来定义损失函数,优化,
第三步:模型训练
第四步:模型评估
数学基础&py基础
在机器视觉发展至中期时:主要分为四步:特征提取,向量化,索引技术,后处理
在索引技术中一般采用加权的处理方式
后处理:局部几何认证,弱空间关系验证,乘积量化

你可能感兴趣的:(python机器学习,深度学习,计算机视觉,人工智能)