本笔记根据PaddlePaddlePPT中第5章内容整理总结。
- 概述
1.1 图像识别目标
1.2 图像识别挑战
l 语义鸿沟（Semantic Gap）现象：图像的底层视觉特性和高层语义概念间的鸿沟
1.3 图像识别基本框架
测量空间特征空间类别空间
- 传统图像识别技术
2.1 早期图像识别技术（1990-2003）
2.1.1 特征提取
l 全局特征提取：用全局的视觉底层特性统计量表示图像
图片被表示成向量：原图片向量空间映射向量表示
l 全局特征示例：颜色特征、纹理特征、形状特征
l 特征变换：提高特征表示性能
l 流形学习（Manifold Learning）：高维数据映射为低维空间下的向量表示
l 简单特征变换：中心化、归一化、去相关、白化
2.1.2 索引技术
2.1.3 相关反馈
2.1.4 重排序
2.2 中期图像识别技术（2003-2012）
2.2.1 特征提取
l 局部特征（Local Feature）：图像区块（Patch）的向量
l 特征检测子（Feature Detector）：检测图像区块中心位置（interest points）
l 特征描述子（Feature Desciptor）：描述区块的视觉内容
l 局部检测子：Harris，DoG,SURF,Harris-Affine，Hessian-Affine，MSER
l 局部描述子：SIFT,PCA-SIFT,GLOH,Shape Context,ORB,COGE
2.2.2 向量化
l 局部特征转化为视觉关键词（即特征量化，Feature Quantization）：查找视觉关键词，转化局部特征向量为关键词序号
l 常用特征量化技术：Hierarchical 1-NN、KD-tree
l 基于视觉关键词的图像表示：
图像局部特征视觉词袋→视觉关键词直方图
2.2.3 索引技术
l 倒排索引
l 排序：tf-IDF加权（Term frequency-inverse document frequency）
2.2.4 后处理
l 查询扩展：使原有查询项含更多局部特征，再进行扩展查询
l 其他后处理技术：局部几何验证（Local Geometric Verification）、乘积量化（Product Quantization）
- 深度学习与图像识别
3.1 深度学习发展历程
l 深度学习在图像领域的应用：图片检索、识别异常的肿瘤、图片描述、图片着色
3.2 为什么使用深度学习
l 人脑视觉机理：1）视感觉阶段-信息采集 2）视知觉阶段-信息认知
l 神经-中枢-大脑:原始信号摄入（像素）-初步处理（边缘、方向）-抽象（形状）-进一步抽象（具体物体）
3.3 如何使用深度学习
3.3.1 如何使用深度学习解决图像识别
l 使用机器学习（深度学习）的目的：寻找一个合适的函数
3.3.2 使用步骤：建立模型（人）、损失函数（人）、参数学习（机器）
3.3.3 建立模型
l 常用激活函数：Sigmoid、TanH、ArcTan、ReLU、PReLU
l 前置神经网络：输入层→隐藏层→输出层
l 模型例子：AlexNet、VGG、GoogleNet、Residual Net
l 输出层：softmax函数作为输出层激活函数，易理解好计算
l 设置合适的网络结构：层数、节点个数、激活函数
3.3.4 损失函数
l 常用损失函数：平方损失函数、交叉熵损失函数
l 总损失：
3.3.5 参数学习
l 梯度下降：
l 反向传播算法：链式法则
- 课程实践
l 人脸识别