emile wrote on Sun Jul 16 09:13:11 2017
Tags: #记 #tech
1. 人是通过把不同的特征组合起来，然后来判断一个物体是不是某种事物的。 人对一个物体的认知这个问题还挺复杂的, 靠特征组合是一个比较古典的认知. 我个人认为在很多情况下我们的大脑是直接从物体的整体来识别的. 这就好像我们认字, 虽然先学偏旁, 但是学会了以后我们不会每次都仔细去看偏旁来判断这是什么字. 2. 卷积神经网络（CNN），这正是一种通过抓取图像特征，来进行训练学习的图像分类模型。 卷积神经网络的原理现在从数学上很难解释. 确实有很多机器学习算法是通过抓取图像特征来训练学习的, 但是卷积神经网络可能不在其列. 3. 另外，图片除了平面上的大小，还有深度的概念。 这个概念在数字图像中通常被称为"通道"(Channel, https://en.wikipedia.org/wiki/Channel_(digital_image)). 在图像识别中确实也有深度(depth) 的概念, 图像深度主要是用来表示物体距离取景相机的距离. 加油加油~ 期待下一篇文章~~ reply luke commented on 07/19/17
1. 人是通过把不同的特征组合起来，然后来判断一个物体是不是某种事物的。 人对一个物体的认知这个问题还挺复杂的, 靠特征组合是一个比较古典的认知. 我个人认为在很多情况下我们的大脑是直接从物体的整体来识别的. 这就好像我们认字, 虽然先学偏旁, 但是学会了以后我们不会每次都仔细去看偏旁来判断这是什么字. 2. 卷积神经网络（CNN），这正是一种通过抓取图像特征，来进行训练学习的图像分类模型。 卷积神经网络的原理现在从数学上很难解释. 确实有很多机器学习算法是通过抓取图像特征来训练学习的, 但是卷积神经网络可能不在其列. 3. 另外，图片除了平面上的大小，还有深度的概念。 这个概念在数字图像中通常被称为"通道"(Channel, https://en.wikipedia.org/wiki/Channel_(digital_image)). 在图像识别中确实也有深度(depth) 的概念, 图像深度主要是用来表示物体距离取景相机的距离. 加油加油~ 期待下一篇文章~~ reply
luke commented on 07/19/17