一个比较合适的分类器算法。同时设计特征然后选择一个分类器， 这两者合并达到最优的效果，几乎是不可能完成的任务。
10
是否可以自动的选择特征？
• 即输入某一个模型的时候，输入只是图片，输出就是它自己的标 签。比如输入一个明星的头像，出来的标签就是一个50维的向量 （如果要在50个人里识别的话），其中对应明星的向量是1，其 他的位置是0。
• 第三个是基于HoG特征的物体检测，它和所对应的SVM分类器组 合起来的就是著名的DPM算法。DPM算法在物体检测上超过了 所有的算法，取得了比较不错的成绩。

人工选择特征存在的问题：
• 大量的经验，需要你对这个领域和数据特别了解 • 大量的调试工作。说白了就是需要一点运气 • 另一个难点在于，你不只需要手工设计特征，还要在此基础上有
11
人类又是怎么识别物体的？
1981年诺贝尔医学生理学奖颁发给了David Hubel，一位神经生物学家。他的主要研究成 果是发现了视觉系统信息处理机制，证明大 脑的可视皮层是分级的。他的贡献主要有两 个，一是他认为人的视觉功能一个是抽象， 一个是迭代。抽象就是把非常具体的形象的 元素，即原始的光线像素等信息，抽象出来 形成有意义的概念。这些有意义的概念又会 往上迭代，变成更加抽象，人可以感知到的 抽象概念。 像素是没有抽象意义的，但人脑可以把这些 像素连接成边缘，边缘相对像素来说就变成 了比较抽象的概念；边缘进而形成球形，球 形然后到气球，又是一个抽象的过程，大脑 司地平线。
• Facebook和Twitter也都各自进行了深度学习研究，其中前者携手纽 约大学教授Yann Lecun，建立了自己的深度学习算法实验室；2015 年10月，Facebook宣布开源其深度学习算法框架，即Torch框架。 Twitter在2014年7月收购了Madbits，为用户提供高精度的图像检索 服务。
深度学习与计算机视觉综述
胡玉针 施杰
170219 170236
模式识别 检测
1
本报告主要讲述在计算机视觉领域深度学习如何逐渐占据主流以 及传统的识别算法的优缺点，较为详细的介绍了CNN卷积神经网 络的架构，简单介绍了深度学习在视觉领域的应用范围。希望让 大家了解这个领域的一些基本概念。水平有限，难免有错误的见 解，希望不要误导大家。
7
• 最著名的SIFT算子，即所谓的对尺度旋转保持不变的算子。它被广泛地 应用在图像比对，特别是所谓的structure from motion这些应用中，有 一些成功的应用例子。另一个是HoG算子，它可以提取物体，比较鲁棒 的物体边缘，在物体检测中扮演着重要的角色。
• 这些算子还包括Textons，Spin image，RIFT和GLOH，都是在深度学 习诞生之前或者深度学习真正的流行起来之前，占领视觉算法的主流。
2
一． 概述
人工智能是人类一个非常美好的梦想，跟星际漫游 和长生不老一样。我们想制造出一种机器，使得它跟人 一样具有一定的对外界事物感知能力，比如看见世界。
图灵在 1950 年的论文里，提出图灵测试的设想， 即，隔墙对话，你将不知道与你谈话的，是人还是电脑。 这无疑给计算机，尤其是人工智能，预设了一个很高的 期望值。但是半个世纪过去了，人工智能的进展，远远 没有达到图灵试验的标准。这不仅让多年翘首以待的人 们，心灰意冷，认为人工智能是忽悠，相关领域是―伪 科学。
50多年时间有无数科学家提出很多机器学习的算法， 试图让计算机具有与人一样的智力水平，但直到2006 年深度学习算法的成功，才带来了一丝解决的希望。
3
二． 众星捧月的深度学习
深度学习在很多学术领域，比非深度学习算法往往有20-30%成 绩的提高。很多大公司也逐渐开始出手投资这种算法，并成立自己 的深度学习团队，其中投入最大的就是谷歌，2008年6月披露了谷 歌脑项目。2014年1月谷歌收购DeepMind，然后2016年3月其开 发的Alphago算法在围棋挑战赛中，战胜了韩国九段棋手李世石， 证明深度学习设计出的算法可以战胜这个世界上最强的选手。
4
• 在硬件方面，Nvidia最开始做显示芯片，但从2006及2007年开始主 推用GPU芯片进行通用计算，它特别适合深度学习中大量简单重复的 计算量。目前很多人选择Nvidia的CUDA工具包进行深度学习软件的 开发。
• 微软从2012年开始，利用深度学习进行机器翻译和中文语音合成工作， 其人工智能小娜背后就是一套自然语言处理和语音识别的数据算法。
5
机器学习需要解决的问题？
6
三． 传统计算机视觉算法
• 特征感知图像预处理特征提取特征筛选推理预测与识别。
中间的特征提取，特征筛选主要是人工选取特征：传统的计算机识别方法把特征提取和分类 器设计分开来做，然后在应用时再合在一起，比如如果输入是一个摩托车图像的话，首先要 有一个特征表达或者特征提取的过程，然后把表达出来的特征放到学习算法中进行分类的学 习。
12
再谈如何识别摩托车？
• 看到图片中的摩托车，我们可能在脑子里就几微秒的时间，但是经过了大量 的神经元抽象迭代。对计算机来说最开始看到的根本也不是摩托车，而是 RGB图像三个通道上不同的数字。
• 所谓的特征或者视觉特征，就是把这些数值给综合起来用统计或非统计的形 式，把摩托车的部件或者整辆摩托车表现出来。深度学习的流行之前，大部 分的设计图像特征就是基于此，即把一个区域内的像素级别的信息综合表现 出来，利于后面的分类学习。
8
几个（半）成功例子
• 一是八九十年代的指纹识别算法，它已经非常成熟，一般是在指 纹的图案上面去寻找一些关键点，寻找具有特殊几何特征的点， 然后把两个指纹的关键点进行比对，判断是否匹配。
• 然后是2001年基于Haar的人脸检测算法，在当时的硬件条件下 已经能够达到实时人脸检测，我们现在所有手机相机里的人脸检 测，都是基于它或者它的变种。