本文通过对比老式计算机视觉技术与卷积神经网络（CNN），介绍了CNN如何实现自动特征提取，解决了传统方法中依赖人工设计特征的问题。特别强调了在图像识别任务中，如识别猫的图片，CNN能够直接从原始数据出发，通过算法自动提取有效特征。
一、概论
以图像识别来举例，比如我们让计算机如何识别一张猫的图片识别出猫呢？
老式的计算机视觉是如何做的呢？
比如OpenCV：
-
-
- 首先理解很多算法，比如如何检测线条（Edge Detection)
- 如何做形态学变化等
- 根据我们的知识， 经验， 脑洞来设计很多特征；
- 用这些特征去比对一张图像是不是猫。
-
这样做存在的问题呢？
每一种不同的物件，我们都得去设计特征。 这样的人工智能主要是人工，而不是只能。
老式的流程： 原始数据 ——> 人工特征提取 ——> 算法 ——> 结果
卷积要解决的问题就是自动的特征提取（Feature Extraction)
卷积神经网络：
原始数据 ——> 卷积网络 ——> 算法 ——> 结果 #其中 卷积网络 + 算法 称为 深度学习
扫一扫
728
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
