易 AI - 机器学习计算机视觉基础

原文：http://makeoptim.com/deep-learning/yiai-cv

• 计算机视觉
• 表达
  • 黑白图
  • 灰度图
  • 彩色图
• 操作
  • 卷积
    • 均值滤波
  • 归一化
    • 统一量纲
    • 加速模型训练
      • 梯度下降
    • GPU 浮点运算
• 小结
• 参考链接

上一篇 讲解了机器学习数据集的概念以及如何收集图片数据集。收集到的数据是被训练的对象，那么怎么表示这些数据呢？数据又需要被怎么操作呢？本文为大家讲解计算机视觉基础，帮助大家在后面的课程中更好地理解和训练模型。

计算机视觉

计算机视觉（Computer vision）是一门研究如何使机器“看”的科学，更进一步的说，就是指用摄影机和计算机代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图像处理，用计算机处理成为更适合人眼观察或传送给仪器检测的图像。

计算机不同于人眼，它需要使用特定的方式来存储和表达图像。

表达

在所有的表达中，最基础的就是像素表达。

黑白图

对于黑白图，图像被转换为 0 或 1 的二元矩阵。该矩阵的每个元素代表一个像素，0 代表黑，1 代表白。

灰度图

对于灰度图，每个像素代表灰度的“强度”，取值从 0 到 255，0 代表黑，255 代表白。

彩色图

对于彩色图，我们一般要选用一种模式来表达不同颜色。一种常见的方式为 RGB（红、绿、蓝）模型。在 RGB 模型中，任何一个彩色图都可以转化为 RGB 这三种颜色表达的叠加。

注：因为红、绿、蓝是三原色，所以可以利用它们的叠加表达任何颜色。

RGB 分别代表三种不同的通道（Channel），每个通道就是原始图像在这个通道（颜色）下的表达。每个通道是一个矩阵，所以，RGB 就是三个矩阵叠加在一起的张量。

针对像素，大家需要有一个概念，就是像素本身是对真实世界的“采样”。我们把像素用一个整数（0 - 255）来表达，这就意味着将世界的连续信号采样到离散的像素中，一定会有失真。而不同的分辨率，就会带来程度不同的像素表达。所以，大家可以看到近些年，手机相机的像素一直再提升，就是为了能让减少失真。

操作

通过以上的描述，大家已经明白计算机图像其实就是线性代数中的某种张量（矩阵）的表示。那么线性代数上的矩阵操作就可以运用到计算机图像中了。

卷积

上图中，使用 3x3 的矩阵，围绕着该矩阵的中心点，从上到下，从左到右，与原始图（绿色像素）的像素做“內积”得到结果图（蓝色像素）像素，这个操作就叫做卷积。这里的 3x3 矩阵被称为卷积核（Kernel），中心点被称为锚点（Anchor）。

大家可以想到，结果图具体长什么样，取决于这个卷积核中的每个元素值和与原始图像素做的操作（比如：內积）。

均值滤波

现在有一个卷积核如下图所示，并定义与原始图像素做的操作为內积后的平均值。

将这个卷积运用在如下图的铠爹身上，发现图片变模糊了。

这其实是因为，卷积核 2 是锚点像素值，周边像素都是 1 ，每一个像素都取周边像素的平均值，那么算起来，就变成都是 1 了。

也就是将目的像素趋近于周边的像素，在图像上，看起来就是变模糊的效果，这就是均值滤波的思想。

大家应该可以想到，如果换一个卷积核 ，或者换一个与原始图像素做的操作，将会产生不一样的效果，比如：锐化、边缘检测、特征提取等。因此，卷积核的本质就像一个滤波器（Filter）。

注：对均值滤波感兴趣的可以阅读 https://xiaozhuanlan.com/topic/6270385194 。

归一化

图像（除黑白图）的像素值取值范围是 0-255。通常地，在训练之前会将其做归一化处理，也就是将 0-255 的值，映射称为 0-1 的浮点数，如下图：

归一化有统一量纲、加速模型训练的优点。

统一量纲

这里举个例子，如果有一个评测健康的公式：健康值 = 身高 + 体重，那么张三身高 1.5 体重 80 和李四身高 1.8 体重 79.7 的健康值尽然是一样的。所以，如果数据量纲不一致，数据值大的维度，将会严重影响结果。 如果我们使用归一化，将身高的范围设置为 1.4-2.0，体重的范围设置为 50-100，然后做归一化，那么张三的健康值为
(1.5-1.4)/(2.0-1.4) + (80-50)/(100-50) = 0.7666
李四的健康值为
(1.8-1.4)/(2.0-1.4) + (79.7-50)/(100-50) = 1.26
这就能较好地区分开来。

在统计学中，归一化的具体作用是归纳统一样本的统计分布性。

加速模型训练

梯度下降

如果不进行归一化，那么由于特征向量中不同特征的取值相差较大，会导致目标函数变“扁”。这样在进行梯度下降的时候，梯度的方向就会偏离最小值的方向，走很多弯路，即训练时间过长。如果进行归一化以后，目标函数会呈现比较“圆”，这样训练速度大大加快，少走很多弯路。

详细可以参考 https://laptrinhx.com/feature-scaling-normalization-standardization-and-scaling-3065876141

GPU 浮点运算

机器学习普遍使用 GPU 训练，而 GPU 的浮点运算速度是比 CPU 快非常多，所以不需要担心浮点运算影响性能。

CPU 与 GPU 浮点运算速度区别主要是来自于硬件架构上的区别。

上图中 ALU 就是“算术逻辑单元（Arithmetic logic unit）”。CPU 和 GPU 进行计算的部分都是 ALU。GPU 绝大部分的芯片面积都是 ALU，而且是超大阵列排布的 ALU。这些 ALU 都是可以并行运行的，所以浮点计算速度就特别高了。相比起来，CPU 大多数面积都需要给控制单元和 Cache，因为 CPU 要承担整个计算机的控制工作，没有 GPU 那么单纯，所以速度比较慢。

另外，int 和 float 的加减运算都是 4 个时钟周期，应该是一样快。但是，float 乘除法比 int 乘除法快, 特别是在 GPU 有浮点协处理器时，浮点除法只会编译成 1 条指令，所以速度比处理整数还快。

小结

本文讲解了计算机图像的表达和操作，以及归一化。这些计算机视觉基础，在图像类机器学习的数据预处理和加载中都会用到，大家需要好好吸收。下一篇，笔者将带大家，进入 Notebook 用本文讲解的知识，说明数据预处理和加载部分的代码。

参考链接

• https://zh.wikipedia.org/wiki/计算机视觉