官术网_书友最值得收藏!

2.1 CNN歷史

幾十年來,人們一直試圖用機器識別圖像。在計算機中模擬人腦的視覺識別系統是一個很大的挑戰。人類視覺是最難模仿的,也是大腦最復雜的感官認知系統。我們不會在這里討論生物神經元(即初級視覺皮層),而是關注人工神經元。物理世界中的物體是三維的,而這些物體的圖像是二維的。在本書中,我們不會將神經網絡和人腦類比。1963年,計算機科學家拉里·羅伯茨(Larry Roberts),也被稱為計算機視覺之父,在他的研究論文《積木世界》(BLOCK WORLD)中描述了從積木的二維透視圖中提取三維幾何信息的可能性。這是計算機視覺領域的第一個突破。世界上許多機器學習和人工智能領域的研究人員都在跟蹤這項工作,并在《積木世界》的背景下研究計算機視覺。不論方向或者燈光發生什么變化,人類都能識別出物體。在這篇論文中,他提到理解圖像中簡單的形狀邊緣是非常重要的。為了讓計算機理解無論朝向如何這兩個方塊都是同一個,他從方塊中提取出這些邊緣狀形狀,如圖2-1所示。

圖2-1 從方塊中提取邊緣狀形狀

視覺從一個簡單的結構開始。這是計算機視覺作為工程模型的開端。麻省理工學院(MIT)計算機視覺科學家大衛·馬克(David Mark)提出了下一個重要概念,即視覺是分層的。他寫了一本很有影響力的書,名叫《視覺》(VISION)。這是本簡單的書,他提出一幅圖像由幾層組成。這兩個原則構成了深度學習架構的基礎,盡管它們沒有告訴我們用什么樣的數學模型。

在20世紀70年代,第一個視覺識別算法——被稱為廣義圓柱模型(generalized cylinder model)——產生于斯坦福大學的人工智能實驗室。它的思想是:世界是由簡單的形狀組成的,任何真實世界的物體都是這些簡單形狀的組合。與此同時,SRI公司發布了圖結構模型(pictorial structure model),其概念與廣義圓柱模型相同,但是各部分是通過彈簧連接的,因此它引入了可變性的概念。2006年,富士膠片公司(Fujifilm)在數碼相機中使用了第一種視覺識別算法。

主站蜘蛛池模板: 渭源县| 中牟县| 温州市| 梁平县| 石泉县| 伊吾县| 军事| 西乌| 广南县| 罗定市| 定安县| 崇阳县| 岢岚县| 密云县| 绿春县| 茶陵县| 田东县| 揭东县| 嘉荫县| 朝阳区| 沿河| 桂平市| 苗栗县| 泗阳县| 米脂县| 新绛县| 安仁县| 台中市| 塔河县| 逊克县| 庐江县| 瑞金市| 盐津县| 磴口县| 四子王旗| 济宁市| 嘉义市| 平谷区| 融水| 苗栗县| 隆子县|