菏泽网站建设设计,咸阳网站开发,免费做网站软件视频,珠海企业建站模板好多内容直接看书确实很难坚持#xff0c;就比如这个卷积#xff0c;书上的一大堆公式和图表直接把人劝退#xff0c;我觉得一般的学习流程应该是自顶向下#xff0c;先整体后局部#xff0c;先把握大概再推敲细节的#xff0c;上来就事无巨细地展示对初学者来说很痛苦。…好多内容直接看书确实很难坚持就比如这个卷积书上的一大堆公式和图表直接把人劝退我觉得一般的学习流程应该是自顶向下先整体后局部先把握大概再推敲细节的上来就事无巨细地展示对初学者来说很痛苦。 所以我先把我学习的结果通俗总结一下卷积是将输入结合其他的节点进行一定处理从而得到想要的结果卷积操作多用于图像中可以实现图像的平滑特征的提取等。
卷积
数学上表达为积分公式积分号f(x)g(n-x)dx 其中f表示为输入g表示为输出可以结合问题理解该式的物理意义 一个人一直进食其进食数量的曲线就可以表示为f与此同时也在一直消化食物且消化速度只按比例表示为g问任意时间t胃部食物数量。 一个时刻进食剩余为f(x)g(n-x)//x时刻的进食量乘经过n-x时间的消化率故在t时刻胃部食物剩余量为上式的积分f与g的对应关系如下图 卷积的卷应该体现在g的反转上 即卷积可以用于一个输入不稳定但输出稳定的系统求任意时刻的存量。
图像卷积操作
卷积在实践中的应用主要是用于识别图像内容在识别之前需要先对图像进行卷积操作但该操作步骤与上面提到的不同图像卷积操作是用3×3矩阵与图像进行先乘再加图像经过处理会缩小一圈外部直接赋0过程展示如下 该矩阵称为卷积核该步骤的作用是将一个像素点与其他的像素点通过卷积核关联起来。 比如每个元素均为1/9也就是平滑卷积核使用平滑卷积核卷积后的图像会使图像整体更平滑因为他缩小了像素直接的差距用平均数来代替。
卷积的另一个作用
通过这个例子我们看出卷积不知用于系统的求存量在图像中也能通过卷积核时相邻像素点产生关联此时的f是像素点卷积核是g即周围的像素点共同影响当前像素点而g决定具体如何影响。
图像识别
本来这部分应该叫卷积神经网络的但是一想神经网络没讲到只是单单写了最前的一步还是该叫图像识别吧。 现在的图像验证码们人眼看来识别很简单但是为什么能防住计算机呢就是因为他们难以从图像中识别出物体但随着人工智能的发展图像识别对计算机来说也是洒洒水了。
图像识别原理
计算机不能像人一样感性推断出图像内容它们识别物体主要是依赖特征值比如A上的“尖或者三角”、Z的两个大折线、老虎头上的“王”字等等甚至目前的人脸识别也是如此计算机通过特征识别出我们的五官后对我们的眼距鼻梁等特征再进行对比从而判断身份。 说着很简单但每次判断都不简单不同的字符和事物可能有不同的和相同的特征这时又该如何是好呢我看过一篇论文里面说到每个特征对应一个“特征鬼”当特征被满足时该“特征鬼”就会尖叫又有最上层的决策系统看哪个事物的“鬼”叫的最响来作出判断。
卷积操作提取特征
说白了还是利用卷积核进行操作只是卷积核的取值发生了变化比如
1 1 1
0 0 0
-1 -1 -1作为卷积核就只提取水平上的特征值此时卷积核称为水平/垂直过滤器起到过滤图片保存特征的作用同理
1 -1 -1
-1 1 -1
-1 -1 1可以判断图像是否为一条对角线等等从而生成特征矩阵交由后续算法判断。
图像识别卷积总结
实质还是卷积和也就是g的选取如果g选的合适就可以把对我们有用的特征保存下来。
总结
归根到底就是f×g通过对g不同形式不同值的选取在多角度多维度上筛选f得到我们想要角度的特征值再加上求和加权平均消除误差。也难怪人工智能喜欢用这一个方法就能提取出一个特征值发一篇文章基于人工智能的······研究其实就是用个CNN跑出一组数据处理一下找找关系下个结论。 讲到这我又要喷人工智能了在我目前来看我们对自己意识的研究和脑科学尚不充足完备的情况下所谓人工智能根本名不副实现在已有的这些模型不过是基于大数据的统计分类的机器而已。
