最新消息
最新消息| 解析:整容式的美顏2.0技術如何實現?聊一聊背后的圖像識別... | 2023-12-11 |
| 文章来源：由「百度新聞」平台非商業用途取用"http://www.baidu.com/link?url=Oc2Zyh4ZvM73xHIqjp0QhZaxcqJRtgGKjI0EPXBoRTqdKfhJCep6eScyDS9A5Sn_sAPV2U-llMsdtk5q3mrL6kh156i5RASF7nL8_GBw8PG" 雷鋒網按：本文根據涂圖CTO在七牛云架構師沙龍上的演講整理，本篇主要談談人臉識別技術的原理與具體實踐的一些問題，作者授權發布雷鋒網。n在的最后，我們提到了美顏2.0最關鍵的技術——人臉識別。這是項復雜但又非常熱門的技術，我們將在這篇文章中聊一聊圖像識別技術。上篇文章n一、如何讓機器看懂世界？n這里我們來簡單聊聊機器學習與深度學習。n近段時間，機器學習、深度學習的概念非常火，尤其是今年 AlphaGo 擊敗了韓國棋手這件事，引起了世界的轟動。機器學習和深度學習這兩個概念，比較容易混淆，以至于很多媒體在寫報道時，經常把這兩個詞混著用。由于這兩個概念目前最主要應用在圖像領域上，所以我們僅就圖像識別，尤其是人臉識別方面，區分一下這兩個概念。n機器學習的概念提出的比較早，上世紀 90 年代初，人們開始意識到一種可以更有效地構建模式識別算法的方法，那就是用數據（可以通過廉價勞動力采集獲得）去替換專家（具有很多圖像方面知識的人）。而深度學習可以算是機器學習的一個分支，只在近十年內才得到廣泛的關注與發展。n下面說說具體的區別。n首先，機器學習識別物體是基于像素特征的。我們會搜集大量的圖像素材，再選擇一個算法，使用這個算法來解析數據、從中學習，然后對真實世界中的事件做出決策和預測。n而深度學習可以算是機器學習的一個分支，只在近十年內才得到廣泛的關注與發展。它與機器學習不同的是，它模擬我們人類自己去識別人臉的思路。n比如，神經學家發現了我們人類在認識一個東西、觀察一個東西的時候，邊緣檢測類的神經元先反應比較大，也就是說我們看物體的時候永遠都是先觀察到邊緣。就這樣，經過科學家大量的觀察與實驗，總結出人眼識別的核心模式是基于特殊層級的抓取，從一個簡單的層級到一個復雜的層級，這個層級的轉變是有一個抽象迭代的過程的。深度學習就模擬了我們人類去觀測物體這樣一種方式，首先拿到互聯網上海量的數據，拿到以后才有海量樣本，把海量樣本抓取過來做訓練，抓取到核心的特征，建立一個網絡，因為深度學習就是建立一個多層的神經網絡，肯定有很多層。有些簡單的算法可能只有四五層，但是有些復雜的，像剛才講的谷歌的，里面有一百多層。當然這其中有的層會去做一些數學計算，有的層會做圖象預算，一般隨著層級往下，特征會越來越抽象。n舉例來說，識別一張人臉，如果是在具體環境中的人臉，如果遇到云霧，或者被樹遮擋一部分，人臉就變得模糊，那 關鍵字標籤：www.mujing-med.com/ |
|
 |
|
