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: 珲春市| 富川| 申扎县| 沾化县| 海宁市| 洪泽县| 清徐县| 扶绥县| 浑源县| 新邵县| 本溪市| 华坪县| 山阴县| 沾化县| 通海县| 屯门区| 建平县| 临沂市| 泽库县| 张北县| 朝阳县| 祁阳县| 宜兰县| 古田县| 神农架林区| 南通市| 上饶县| 韶山市| 乌兰县| 清原| 盖州市| 平舆县| 蒲江县| 五指山市| 兴海县| 奎屯市| 甘孜县| 丹棱县| 襄樊市| 会同县| 杭锦旗|