先提一个小问题:
“你是通过什么了解这个世界的?”
当一辆汽车从你身边疾驰而过,你是通过哪些信息知道那是一辆汽车?
“它的材质,速度,发动机的声响,还是什么?”
你可能说不清所以然,但是当你看到下图时,你会第一时间反应出来,“噢,车! ”
为什么你能猜对它?
“轮廓”!
——对,我给你看了它的轮廓。
再给你一些七七八八、大小不一的图片,你总能猜对一些。
你是怎样做到的?
很简单
你读了一张图片 找到了图片的特征 进而对图片做出了分类
如果是一张黑白图片,我们看到的,是这个样子的:
而在计算机的眼里,它看到的,是这个样子的:
好没有情趣……
这些数字是哪里来的?
因为图片是由一个又一个的像素点构成。(当你将图片无限放大,你能看到那些像素点)
而每一个像素点,都是由一个0~255的数字组成。
所以,在计算机“看”来,一张图片,就是一个又一个的数字。
所以,我们第一步的工作,是将左上图的那只小狗,转换成右上图的那一行行数字。
幸运的是,目前在python中,很多第三方库,诸如PIL/Matplotlib等,都可以实现这种转换,我们需要了解的是,后面的所有运算过程,都是基于右上图来完成的,至于具体的转换过程,不需要我们费心来做。
在文章开篇的例子中,我们知道,在识别一辆汽车的时候,可以将它的轮廓提取出来,从而判断出那是一辆车。
同样的,CNNs在识别图片时,也需要提取图像的特征。
在CNNs中,完成这一工作的小伙叫“卷积”。(希望你不要纠结这个极具个性的名字,懂得它的原理就OK)
“卷积”在每次工作时,手里都会握着几把“过滤器”。
过滤器的作用是:寻找图片的特征。
仍以小狗为例,过滤器会在图片上从头到尾“滑过”一遍
每滑到一个地方,就将该地方的图像特征提取出来。
那它是怎样提取的呢?
别忘了,在计算机的眼里,世界是这个样子的:
(为了简化问题,这里将像素值仅用0和1表示)
假设过滤器是这个样子的:
当橘色的过滤器在绿色矩形框中,缓慢滑过时,
我们用橘色过滤器中的每一个值,与绿色矩形框中的对应值相乘、再相加
有点儿拗口,直接看图:
结果“4”,就是我们从第一个橘色方框中,提取出的特征。
如果我们每次将橘色过滤器,向右、向下移动1格,则提取出的特征为:
你可能会问:
我知道绿色矩阵代表一张图片,是计算机“眼中”图片的样子。
但是,
经过橘色过滤器提取特征后,得到的粉色矩阵,那是什么?
我们从人类的视角,再重新审视一遍。
这次,我们回到之前的例子中。
仍以这张萌狗为例,它经过“过滤器”提取特征后,得到的是一张……哦,好吧……看起来有点儿模糊的图。
虽然图片模糊了,但是图片中的主要特征,已经被过滤器全部提取出来,单凭这么一张模糊的图,作为人类的我们,足以对它做出判断了。(谁敢说它是一只猫?!)
下面,我们再换几个过滤器试试。
这些就是经过过滤器提取后,得到的不同“特征图片”。
由此我们可以看出,采用不同的“过滤器”,能够提取出不同的图片特征。
你可能又会问:
那过滤器里的数值,该如何确定呢?
4种过滤器-效果.png (116.6 KB)
4种过滤器.png (21.42 KB)
dog-黑白.jpg (41.25 KB)
更多资料获取请私信我
领取专属 10元无门槛券
私享最新 技术干货