電子發(fā)燒友網(wǎng)>電子資料下載>電子資料>機器視覺應(yīng)用程序從深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)中汲取智能

機器視覺應(yīng)用程序從深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)中汲取智能

2388639 2022-11-28 | pdf | 222.85KB | 次下載 | 免費

資料介紹

長期以來，人工智能 (AI) 一直是科幻作家和學(xué)者的主題。將人腦的復(fù)雜性復(fù)制到計算機中的挑戰(zhàn)催生了新一代的科學(xué)家、數(shù)學(xué)家和計算機算法開發(fā)人員。持續(xù)的研究現(xiàn)在已經(jīng)讓位于人工智能的使用，更常被稱為深度學(xué)習(xí)或機器學(xué)習(xí)，這些應(yīng)用程序正越來越成為我們世界的一部分。雖然基本概念已經(jīng)存在很長時間，但商業(yè)現(xiàn)實從未完全實現(xiàn)。近年來，數(shù)據(jù)生成的速度猛增，開發(fā)人員不得不長期認真思考如何編寫算法以從中提取有價值的數(shù)據(jù)和統(tǒng)計數(shù)據(jù)。還，另一個關(guān)鍵因素是高度可擴展的計算資源級別的可用性，這是云自愿提供的。例如，您口袋中的智能手機可能使用谷歌的 Now（“OK Google”）或蘋果的 Siri 語音命令應(yīng)用程序，這些應(yīng)用程序使用深度學(xué)習(xí)算法（稱為（人工）神經(jīng)網(wǎng)絡(luò)）的強大功能來實現(xiàn)語音識別和學(xué)習(xí)功能。然而，除了與手機通話的樂趣和便利之外，還有大量工業(yè)、汽車和商業(yè)應(yīng)用程序現(xiàn)在正受益于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的強大功能。稱為（人工）神經(jīng)網(wǎng)絡(luò)，以實現(xiàn)語音識別和學(xué)習(xí)能力。然而，除了與手機通話的樂趣和便利之外，還有大量工業(yè)、汽車和商業(yè)應(yīng)用程序現(xiàn)在正受益于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的強大功能。稱為（人工）神經(jīng)網(wǎng)絡(luò)，以實現(xiàn)語音識別和學(xué)習(xí)能力。然而，除了與手機通話的樂趣和便利之外，還有大量工業(yè)、汽車和商業(yè)應(yīng)用程序現(xiàn)在正受益于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的強大功能。長期以來，人工智能 (AI) 一直是科幻作家和學(xué)者的主題。將人腦的復(fù)雜性復(fù)制到計算機中的挑戰(zhàn)催生了新一代的科學(xué)家、數(shù)學(xué)家和計算機算法開發(fā)人員。持續(xù)的研究現(xiàn)在已經(jīng)讓位于人工智能的使用，更常被稱為深度學(xué)習(xí)或機器學(xué)習(xí)，這些應(yīng)用程序正越來越成為我們世界的一部分。雖然基本概念已經(jīng)存在很長時間，但商業(yè)現(xiàn)實從未完全實現(xiàn)。近年來，數(shù)據(jù)生成的速度猛增，開發(fā)人員不得不長期認真思考如何編寫算法以從中提取有價值的數(shù)據(jù)和統(tǒng)計數(shù)據(jù)。還，另一個關(guān)鍵因素是高度可擴展的計算資源級別的可用性，這是云自愿提供的。例如，您口袋中的智能手機可能使用谷歌的 Now（“OK Google”）或蘋果的 Siri 語音命令應(yīng)用程序，這些應(yīng)用程序使用深度學(xué)習(xí)算法（稱為（人工）神經(jīng)網(wǎng)絡(luò)）的強大功能來實現(xiàn)語音識別和學(xué)習(xí)功能。然而，除了與手機通話的樂趣和便利之外，還有大量工業(yè)、汽車和商業(yè)應(yīng)用程序現(xiàn)在正受益于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的強大功能。稱為（人工）神經(jīng)網(wǎng)絡(luò)，以實現(xiàn)語音識別和學(xué)習(xí)能力。然而，除了與手機通話的樂趣和便利之外，還有大量工業(yè)、汽車和商業(yè)應(yīng)用程序現(xiàn)在正受益于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的強大功能。稱為（人工）神經(jīng)網(wǎng)絡(luò)，以實現(xiàn)語音識別和學(xué)習(xí)能力。然而，除了與手機通話的樂趣和便利之外，還有大量工業(yè)、汽車和商業(yè)應(yīng)用程序現(xiàn)在正受益于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的強大功能。卷積神經(jīng)網(wǎng)絡(luò)卷積神經(jīng)網(wǎng)絡(luò)在查看其中一些應(yīng)用程序之前，讓我們先研究一下神經(jīng)網(wǎng)絡(luò)的工作原理以及它需要哪些資源。當我們籠統(tǒng)地談?wù)撋窠?jīng)網(wǎng)絡(luò)時，我們應(yīng)該更準確地將它們描述為人工神經(jīng)網(wǎng)絡(luò)。它們作為軟件算法實施，基于人類和動物的生物神經(jīng)網(wǎng)絡(luò)——中樞神經(jīng)系統(tǒng)。多年來，已經(jīng)構(gòu)思出多種不同類型的神經(jīng)網(wǎng)絡(luò)架構(gòu)，其中卷積神經(jīng)網(wǎng)絡(luò) (CNN) 已被最廣泛采用。造成這種情況的一個關(guān)鍵原因是他們的架構(gòu)方法使他們非常適合使用基于 GPU 和 FPGA 設(shè)備的硬件加速器提供的并行化技術(shù)。CNN 流行的另一個原因是它們適合處理具有大量空間連續(xù)性的數(shù)據(jù)，其中圖像處理應(yīng)用程序非常適合。空間連續(xù)性是指特定位置附近的像素共享相似的強度和顏色屬性。CNN 由不同的層構(gòu)成，每一層都有特定的用途，并且在它們的操作中使用兩個不同的階段。第一部分是指令或訓(xùn)練階段，允許處理算法了解它擁有的數(shù)據(jù)以及每段數(shù)據(jù)之間的關(guān)系或上下文。CNN 被創(chuàng)建為結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)的學(xué)習(xí)框架，計算機創(chuàng)建的神經(jīng)元形成連接和斷開網(wǎng)絡(luò)。模式匹配是 CNN 背后的一個關(guān)鍵概念，在查看其中一些應(yīng)用程序之前，讓我們先研究一下神經(jīng)網(wǎng)絡(luò)的工作原理以及它需要哪些資源。當我們籠統(tǒng)地談?wù)撋窠?jīng)網(wǎng)絡(luò)時，我們應(yīng)該更準確地將它們描述為人工神經(jīng)網(wǎng)絡(luò)。它們作為軟件算法實施，基于人類和動物的生物神經(jīng)網(wǎng)絡(luò)——中樞神經(jīng)系統(tǒng)。多年來，已經(jīng)構(gòu)思出多種不同類型的神經(jīng)網(wǎng)絡(luò)架構(gòu)，其中卷積神經(jīng)網(wǎng)絡(luò) (CNN) 已被最廣泛采用。造成這種情況的一個關(guān)鍵原因是他們的架構(gòu)方法使他們非常適合使用基于 GPU 和 FPGA 設(shè)備的硬件加速器提供的并行化技術(shù)。CNN 流行的另一個原因是它們適合處理具有大量空間連續(xù)性的數(shù)據(jù)，其中圖像處理應(yīng)用程序非常適合。空間連續(xù)性是指特定位置附近的像素共享相似的強度和顏色屬性。CNN 由不同的層構(gòu)成，每一層都有特定的用途，并且在它們的操作中使用兩個不同的階段。第一部分是指令或訓(xùn)練階段，允許處理算法了解它擁有的數(shù)據(jù)以及每段數(shù)據(jù)之間的關(guān)系或上下文。CNN 被創(chuàng)建為結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)的學(xué)習(xí)框架，計算機創(chuàng)建的神經(jīng)元形成連接和斷開網(wǎng)絡(luò)。模式匹配是 CNN 背后的一個關(guān)鍵概念，圖 1：CNN 的層方法（來源：Wikipedia – credit Aphex34 圖 1：CNN 的層方法（來源：Wikipedia – credit Aphex34