PaddlePaddle CV特辑：Day1 图像识别与人工智能

百度PaddlePaddle在疫情期间专门开设了一个7日CV特辑。 https://aistudio.baidu.com/aistudio/education/group/info/1149 应该说还是非常厚道的，aistudio.baidu.com的云模式不仅解决了GPU计算资源问题，还免除了环境部署的麻烦问题。正好借此机会入坑PaddlePaddle。

Day1 图像识别与人工智能

目录

• 图像识别定义和问题
• 传统图像识别方法
• 人工智能发展历程

图像识别定义和问题

从图像识别说起

面临挑战1

面临挑战2

传统图像识别方法

图像识别基本框架

测量空间->(特征表示：传统设计特征到深度学习特征)->特征空间->(特征匹配)->类别空间
图像识别基本框架（场景识别、目标识别、人脸识别…）

早期图像识别技术(1990-2003)

处理流程:
特征提取
索引技术
相关反馈
重排序

全局特征提取：用全局的视觉底层特性统计量表示图像

全局特征示例：颜色、文理、形状

全局特征提取：图片被表示成向量

重排序

早期图像识别技术的问题：全局特征丢掉了图像细节

中期图像识别技术(2003-2012)

文本搜索的经典模型：词袋模型（Bag-of-Words ）

视觉词袋(Bag-of-Visual Words)

中期图像识别框架:特征提取、向量化、索引技术、后处理

局部特征（Local Feature）：图像区块（patch）的向量

• 特征检测子Feature Detector
• 检测图像区块中心位置：Harris, DoG, SURF, Harris-Affineu
• 特征描述子Feature Descriptor
• 描述区块的视觉内容：SIFT, GLOH, Shape Context, ORB
  
  局部特征示例：SIFT、SURF、BRIEF、COGE
  
  向量化
  视觉词典生成
• 特征空间
• 特征聚类：K-means, Affinity Propagation, etc
• 视觉关键词Visual Word
• SIFT

基于视觉关键词的图像表示

• 图像->(特征提取)->
• 局部特征->(特征量化)->
• 视觉词袋->
• 视觉关键词数量直方图

特征提取向量化索引技术后处理
直方图维度= 聚类中心的个数
维度值= 图像落在该聚类中心的特征数量
每一维可以类比为文本文档中的一个词

倒排索引

Contextual Visual Word

Nister, Scalable Recognition with a Vocabulary Tree, CVPR 06

排序
Contextual Visual Word
Nister, Scalable Recognition with a Vocabulary Tree, CVPR 06.
tf-IDF 加权（Term frequency-inverse document frequency）

后处理

• 局部几何验证
• 弱空间关系验证
• 乘积量化
• …

目的

• 提升一致性高的匹配结果得分
• 降低一致性低的匹配结果得分
  

人工智能发展历程

什么是人工智能

人工智能：使一部机器像人一样进行感知、认知、决策、执行的人工程序或系统

人工智能（Artificial Intelligence，AI）是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新技术科学。

• 企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器
• 人工智能是对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能
• 根据对环境的感知，做出合理的行动，并获得最大收益

人工智能发展历程

• 推理期（20世纪50-70年代初）
  • 认为只要给机器赋予逻辑推理能力，机器就能具有智能
  • A. Newell 和H. Simon 的“逻辑理论家”、“通用问题求解”程序，获得了1975年图灵奖
• 知识期（20世纪70年代中期）
  • 认为要使机器具有智能，就必须设法使机器拥有知识
  • E.A. Feigenbaum 作为“知识工程”之父在1994 年获得了图灵奖
• 学科形成（20世纪80年代）
  • 20 世纪80 年代是机器学习成为一个独立学科领域并开始快速发展、各种机器学习技术百花齐放
  • 1980 年美国卡内基梅隆大学举行第一届机器学习研讨会
  • 1990 年《机器学习:风范与方法》出版
• 繁荣期（20世纪80年代-至今）
  • 20 世纪90 年代后，统计学习方法占主导，代表为SVM
  • 2006 至今，大数据分析的需求，神经网络又被重视，成为深度学习理论的基础
    

人工智能发展历程

什么是机器学习

深度学习<机器学习<人工智能

机器学习
对于某类任务T（Task）和性能度量P（Performance Measure），一个计算机程序被认为可以从经验E（Experience）中学习是指，通过经验E改进后，计算机程序在任务T上由性能度量P衡量的性能有所提升

• 什么是机器学习任务？
• 什么是机器学习学习模型？
• 什么是机器学习经验/数据？
• 什么是机器学习性能指标？

经验=数据

任务->模型->输入->性能评价->输出

机器学习的一般过程

什么是深度学习

人是地球上具有最高智慧的动物，人类靠大脑进行思考、联想、记忆和推理判断。建立模仿人类大脑的模型

使用神经网络这种函数来解决机器学习问题,层数多所以深度

深度学习的优势
测量空间->特征空间->类别空间
传统方法：人工特征提取+分类器
深度学习：手工地选取特征是一件非常费力、启发式（需要专业知识）的方法，能不能选取好很大程度上靠经验和运气，而且它的调节需要大量的时间，而深度学习是学习特征。

基于深度学习的图像识别

深度学习大牛
ACM（国际计算机学会）宣布，有“深度学习三巨头”之称的Yoshua Bengio、Yann LeCun、Geoffrey Hinton共同获得了2018年的图灵奖。

Yann LeCun
Geoff Hinton
Yoshua Bengio
Andrew Ng

Richard Socher
Juergen Schmidhuber

深度学习大玩家

深度学习&学术
人工智能顶会投稿量猛增

深度学习&就业

深度学习应用

深度学习在图像领域的应用1

深度学习在图像领域的应用2

深度学习在自然语言处理领域的应用

深度学习在自然语言处理领域的应用

Day1 作业

作业说明：
作业1:飞桨本地安装

提交飞桨本地安装成功的截图，如下图所示，有安装问题可以随时在群里提问，可参考飞桨官网：https://www.paddlepaddle.org.cn/documentation/docs/zh/install/index_cn.html

作业2：新冠疫情可视化

请根据课上所学内容，爬取3月31日当天丁香园公开的统计数据，根据累计确诊数，使用pyecharts绘制疫情分布图，如下图所示，提交截图。

Pycharts api可参考：https://pyecharts.org/#/zh-cn/

重要：

一定要用正确的姿势在Notebook上传图片+生成版本作业提交示例： https://aistudio.baidu.com/aistudio/projectDetail/296022

可视化，是一种利用计算机图形学和图像处理技术，将数据转换成图像在屏幕上显示出来，再进行交互处理的理论、方法和技术。

本次实践基于丁香园公开的统计数据，实现新冠疫情可视化，包括疫情地图、疫情增长趋势图、疫情分布图等。

全国疫情地图如下：

疫情增长趋势图如下：

一、数据准备
上网的全过程:

普通用户
打开浏览器 --> 往目标站点发送请求 --> 接收响应数据 --> 渲染到页面上。

爬虫程序
模拟浏览器 --> 往目标站点发送请求 --> 接收响应数据 --> 提取有用的数据 --> 保存到本地/数据库。

爬虫的过程：

1.发送请求（requests模块）

2.获取响应数据（服务器返回）

3.解析并提取数据（re正则）

4.保存数据

request模块：

requests是python实现的简单易用的HTTP库，官网地址：http://cn.python-requests.org/zh_CN/latest/

re模块：

re模块是python用于匹配字符串的模块，该模块中提供的很多功能是基于正则表达式实现的，

In[ ]

import json
import re
import requests
import datetime

today = datetime.date.today().strftime('%Y%m%d')   #20200315

def crawl_dxy_data():
    """
    爬取丁香园实时统计数据，保存到data目录下，以当前日期作为文件名，存JSON文件
    """
    response = requests.get('https://ncov.dxy.cn/ncovh5/view/pneumonia') #request.get()用于请求目标网站
    print(response.status_code)                                          # 打印状态码


    try:
        url_text = response.content.decode()                             #更推荐使用response.content.deocde()的方式获取响应的html页面
        #print(url_text)
        url_content = re.search(r'window.getAreaStat = (.*?)}]}catch',   #re.search():扫描字符串以查找正则表达式模式产生匹配项的第一个位置 ，然后返回相应的match对象。
                                url_text, re.S)                          #在字符串a中，包含换行符\n，在这种情况下：如果不使用re.S参数，则只在每一行内进行匹配，如果一行没有，就换下一行重新开始;
                                                                         #而使用re.S参数以后，正则表达式会将这个字符串作为一个整体，在整体中进行匹配。
        texts = url_content.group()                                      #获取匹配正则表达式的整体结果
        content = texts.replace('window.getAreaStat = ', '').replace('}catch', '') #去除多余的字符
        json_data = json.loads(content)                                         
        with open('data/' + today + '.json', 'w', encoding='UTF-8') as f:
            json.dump(json_data, f, ensure_ascii=False)
    except:
        print('' % response.status_code)


def crawl_statistics_data():
    """
    获取各个省份历史统计数据，保存到data目录下，存JSON文件
    """
    with open('data/'+ today + '.json', 'r', encoding='UTF-8') as file:
        json_array = json.loads(file.read())

    statistics_data = {}
    for province in json_array:
        response = requests.get(province['statisticsData'])
        try:
            statistics_data[province['provinceShortName']] = json.loads(response.content.decode())['data']
        except:
            print(' for url: [%s]' % (response.status_code, province['statisticsData']))

    with open("data/statistics_data.json", "w", encoding='UTF-8') as f:
        json.dump(statistics_data, f, ensure_ascii=False)


if __name__ == '__main__':
    crawl_dxy_data()
    crawl_statistics_data()

In[ ]

'''
安装第三方库pyecharts ，如果下载时出现断线和速度过慢的问题导致下载失败，可以尝试使用清华镜像
'''
#!pip install pyecharts
!pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pyecharts

二、疫情地图
Echarts 是一个由百度开源的数据可视化工具，凭借着良好的交互性，精巧的图表设计，得到了众多开发者的认可。而 Python 是一门富有表达力的语言，很适合用于数据处理。当数据分析遇上数据可视化时，pyecharts 诞生了。pyecharts api可以参考：https://pyecharts.org/#/zh-cn/chart_api

使用 options 配置项，在 pyecharts 中，一切皆 Options。

主要分为全局配置组件和系列配置组件。

（1）系列配置项 set_series_opts(),可配置图元样式、文字样式、标签样式、点线样式等；

（2）全局配置项 set_global_opts()，可配置标题、动画、坐标轴、图例等;

先来认识下全局配置组件吧

2.1全国疫情地图
In[ ]

import json
import datetime
from pyecharts.charts import Map
from pyecharts import options as opts

# 读原始数据文件
today = datetime.date.today().strftime('%Y%m%d')   #20200315
datafile = 'data/'+ today + '.json'
with open(datafile, 'r', encoding='UTF-8') as file:
    json_array = json.loads(file.read())

# 分析全国实时确诊数据：'confirmedCount'字段
china_data = []
for province in json_array:
    china_data.append((province['provinceShortName'], province['confirmedCount']))
china_data = sorted(china_data, key=lambda x: x[1], reverse=True)                 #reverse=True,表示降序，反之升序

print(china_data)
# 全国疫情地图
# 自定义的每一段的范围，以及每一段的特别的样式。
pieces = [
    {'min': 10000, 'color': '#540d0d'},
    {'max': 9999, 'min': 1000, 'color': '#9c1414'},
    {'max': 999, 'min': 500, 'color': '#d92727'},
    {'max': 499, 'min': 100, 'color': '#ed3232'},
    {'max': 99, 'min': 10, 'color': '#f27777'},
    {'max': 9, 'min': 1, 'color': '#f7adad'},
    {'max': 0, 'color': '#f7e4e4'},
]
labels = [data[0] for data in china_data]
counts = [data[1] for data in china_data]

m = Map()
m.add("累计确诊", [list(z) for z in zip(labels, counts)], 'china')

#系列配置项,可配置图元样式、文字样式、标签样式、点线样式等
m.set_series_opts(label_opts=opts.LabelOpts(font_size=12),
                  is_show=False)
#全局配置项,可配置标题、动画、坐标轴、图例等
m.set_global_opts(title_opts=opts.TitleOpts(title='全国实时确诊数据',
                                            subtitle='数据来源：丁香园'),
                  legend_opts=opts.LegendOpts(is_show=False),
                  visualmap_opts=opts.VisualMapOpts(pieces=pieces,
                                                    is_piecewise=True,   #是否为分段型
                                                    is_show=True))       #是否显示视觉映射配置
#render（）会生成本地 HTML 文件，默认会在当前目录生成 render.html 文件，也可以传入路径参数，如 m.render("mycharts.html")
m.render(path='/home/aistudio/data/全国实时确诊数据.html')

2.2湖北省疫情地图
In[ ]

import json
import datetime
from pyecharts.charts import Map
from pyecharts import options as opts

# 读原始数据文件
today = datetime.date.today().strftime('%Y%m%d')   #20200315
datafile = 'data/'+ today + '.json'
with open(datafile, 'r', encoding='UTF-8') as file:
    json_array = json.loads(file.read())

# 分析湖北省实时确诊数据
# 读入规范化的城市名称，用于规范化丁香园数据中的城市简称
with open('/home/aistudio/data/data24815/pycharts_city.txt', 'r', encoding='UTF-8') as f:
    defined_cities = [line.strip() for line in f.readlines()]


def format_city_name(name, defined_cities):
    for defined_city in defined_cities:
        if len((set(defined_city) & set(name))) == len(name):
            name = defined_city
            if name.endswith('市') or name.endswith('区') or name.endswith('县') or name.endswith('自治州'):
                return name
            return name + '市'
    return None


province_name = '湖北'
for province in json_array:
    if province['provinceName'] == province_name or province['provinceShortName'] == province_name:
        json_array_province = province['cities']
        hubei_data = [(format_city_name(city['cityName'], defined_cities), city['confirmedCount']) for city in
                      json_array_province]
        hubei_data = sorted(hubei_data, key=lambda x: x[1], reverse=True)

        print(hubei_data)

labels = [data[0] for data in hubei_data]
counts = [data[1] for data in hubei_data]
pieces = [
    {'min': 10000, 'color': '#540d0d'},
    {'max': 9999, 'min': 1000, 'color': '#9c1414'},
    {'max': 999, 'min': 500, 'color': '#d92727'},
    {'max': 499, 'min': 100, 'color': '#ed3232'},
    {'max': 99, 'min': 10, 'color': '#f27777'},
    {'max': 9, 'min': 1, 'color': '#f7adad'},
    {'max': 0, 'color': '#f7e4e4'},
]

m = Map()
m.add("累计确诊", [list(z) for z in zip(labels, counts)], '湖北')
m.set_series_opts(label_opts=opts.LabelOpts(font_size=12),
                  is_show=False)
m.set_global_opts(title_opts=opts.TitleOpts(title='湖北省实时确诊数据',
                                            subtitle='数据来源：丁香园'),
                  legend_opts=opts.LegendOpts(is_show=False),
                  visualmap_opts=opts.VisualMapOpts(pieces=pieces,
                                                    is_piecewise=True,
                                                    is_show=True))
m.render(path='/home/aistudio/data/湖北省实时确诊数据.html')
[('武汉市', 50003), ('孝感市', 3518), ('黄冈市', 2907), ('荆州市', 1580), ('鄂州市', 1394), ('随州市', 1307), ('襄阳市', 1175), ('黄石市', 1015), ('宜昌市', 931), ('荆门市', 928), ('咸宁市', 836), ('十堰市', 672), ('仙桃市', 575), ('天门市', 496), ('恩施土家族苗族自治州', 252), ('潜江市', 198), ('神农架林区', 11)]
'/home/aistudio/data/湖北省实时确诊数据.html'

三、疫情增长趋势图
In[ ]

import numpy as np
import json
from pyecharts.charts import Line
from pyecharts import options as opts

# 读原始数据文件
datafile = 'data/statistics_data.json'
with open(datafile, 'r', encoding='UTF-8') as file:
    json_dict = json.loads(file.read())

# 分析各省份2月1日至今的新增确诊数据：'confirmedIncr'
statistics__data = {}
for province in json_dict:
    statistics__data[province] = []
    for da in json_dict[province]:
        if da['dateId'] >= 20200201:
            statistics__data[province].append(da['confirmedIncr'])

# 获取日期列表
dateId = [str(da['dateId'])[4:6] + '-' + str(da['dateId'])[6:8] for da in json_dict['湖北'] if
          da['dateId'] >= 20200201]

# 全国新增趋势
all_statis = np.array([0] * len(dateId))
for province in statistics__data:
    all_statis = all_statis + np.array(statistics__data[province])

all_statis = all_statis.tolist()
# 湖北新增趋势
hubei_statis = statistics__data['湖北']
# 湖北以外的新增趋势
other_statis = [all_statis[i] - hubei_statis[i] for i in range(len(dateId))]

line = Line()
line.add_xaxis(dateId)
line.add_yaxis("全国新增确诊病例",   #图例
                all_statis,       #数据
                is_smooth=True,   #是否平滑曲线
               linestyle_opts=opts.LineStyleOpts(width=4, color='#B44038'),#线样式配置项
               itemstyle_opts=opts.ItemStyleOpts(color='#B44038',          #图元样式配置项
                                                 border_color="#B44038",   #颜色
                                                 border_width=10))         #图元的大小
line.add_yaxis("湖北新增确诊病例", hubei_statis, is_smooth=True,
               linestyle_opts=opts.LineStyleOpts(width=2, color='#4E87ED'),
               label_opts=opts.LabelOpts(position='bottom'),              #标签在折线的底部
               itemstyle_opts=opts.ItemStyleOpts(color='#4E87ED',
                                                 border_color="#4E87ED",
                                                 border_width=3))
line.add_yaxis("其他省份新增病例", other_statis, is_smooth=True,
               linestyle_opts=opts.LineStyleOpts(width=2, color='#F1A846'),
               label_opts=opts.LabelOpts(position='bottom'),              #标签在折线的底部
               itemstyle_opts=opts.ItemStyleOpts(color='#F1A846',
                                                 border_color="#F1A846",
                                                 border_width=3))
line.set_global_opts(title_opts=opts.TitleOpts(title="新增确诊病例", subtitle='数据来源：丁香园'),
                     yaxis_opts=opts.AxisOpts(max_=16000, min_=1, type_="log",    #坐标轴配置项
                                              splitline_opts=opts.SplitLineOpts(is_show=True),#分割线配置项
                                              axisline_opts=opts.AxisLineOpts(is_show=True)))#坐标轴刻度线配置项
line.render(path='/home/aistudio/data/新增确诊趋势图.html')