机器学习入门(十) — 深度学习1 深度学习：图像搜索2 神经网络3 深度学习在计算机视觉中的应用4 深度学习的性能5 计算机视觉中的深度学习6 深度学习的挑战7 迁移学习8 深度学习总结

1 深度学习：图像搜索

可视化商品推荐

我想买双新鞋,但是

文本搜索不能帮助我们

2 神经网络

特征是机器学习的关键

目标 : 重新检视分类器,但是应用更复杂的非线性特征

图像分类

神经网络 : 学习"非常"非线性的特征

线性分类器

分类器的图表示 : 用于定义神经网络

线性分类器可以表示什么

线性分类器不能表示什么

解决 XOR 问题 : 添加一层

神经网络

3 深度学习在计算机视觉中的应用

图像特征

典型的局部探测器寻找图像中的局部兴趣点

有很多手动构造的特征被用于寻找兴趣点

典型图像分类方法

深度学习 : 自动学习特征

4 深度学习的性能

应用深度神经网络的结果示例

ImageNet2012竞赛 : 1.2M 张训练图像,1000种类别

5 计算机视觉中的深度学习

利用深度学习进行景物解析

检索相似图像

6 深度学习的挑战

深度学习工作流

深度学习的劣势

7 迁移学习

深度特征 : 深度学习 + 迁移学习

标准图像分类方法

迁移学习 : 应用一个任务的数据来帮助学习其他任务

神经网络学习了什么?

转换学习细节

注意分割点 : 后面的层有可能太特定于任务

应用深度特征的迁移学习工作流

深度特征的通用性有多强

8 深度学习总结

• 训练集 图像和相应的标签 通过深度学习经过特征提取进行反馈 使用简单的分类模型,求其特征权重进行性能度量以不断优化准确

可以学到