先來(lái)上兩張圖看看那種貓是暹羅？那種貓是英短？
第一張暹羅
第二張英短
你以后是不是可以識(shí)別了暹羅和英短了？大概能，好像又不能。這是因?yàn)樗夭奶倭?，我們看這兩張圖能分別提取出來(lái)短特征太少了。那如果我們暹羅短放100張圖，英短放100張圖給大家參考，再給一張暹羅或者英短短照片是不是就能識(shí)別出來(lái)是那種貓了，即使不能完全認(rèn)出來(lái)，是不是也有90%可能是可以猜猜對(duì)。那么如果提供500張暹羅500張英短短圖片呢，是不是猜對(duì)的概率可以更高？
我們是怎么識(shí)別暹羅和英短的呢？當(dāng)然是先歸納兩種貓的特征如面部顏色分布、眼睛的顏色等等，當(dāng)再有一張要識(shí)別短圖片時(shí)，我們就看看面部顏色分布、眼睛顏色是不是可暹羅的特征一致。
同樣把識(shí)別暹羅和英短的方法教給計(jì)算機(jī)后，是不是計(jì)算機(jī)也可以識(shí)別這兩種貓？
那么計(jì)算機(jī)是怎么識(shí)別圖像的呢？先來(lái)看一下計(jì)算機(jī)是怎么存儲(chǔ)圖像的。
圖像在計(jì)算機(jī)里是一堆按順序排列的數(shù)字，1到255，這是一個(gè)只有黑白色的圖，但是顏色千變?nèi)f化離不開三原色——紅綠藍(lán)。
這樣，一張圖片在計(jì)算機(jī)里就是一個(gè)長(zhǎng)方體！depth為3的長(zhǎng)方體。每一層都是1到255的數(shù)字。
讓計(jì)算機(jī)識(shí)別圖片，就要先讓計(jì)算機(jī)了解它要識(shí)別短圖片有那些特征。提取圖片中的特征就是識(shí)別圖片要做的主要工作。
下面就該主角出場(chǎng)了，卷及神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network, CNN).
最簡(jiǎn)單的卷積神經(jīng)網(wǎng)絡(luò)就長(zhǎng)下面的樣子。
分為輸入、卷積層、池化層(采樣層)、全連接和輸出。每一層都將最重要的識(shí)別信息進(jìn)行壓縮，并傳導(dǎo)至下一層。
卷積層：幫助提取特征，越深(層數(shù)多)的卷積神經(jīng)網(wǎng)絡(luò)會(huì)提取越具體的特征，越淺的網(wǎng)絡(luò)提取越淺顯的特征。
池化層：減少圖片的分辨率，減少特征映射。
全連接：扁平化圖片特征，將圖片當(dāng)成數(shù)組，并將像素值當(dāng)作預(yù)測(cè)圖像中數(shù)值的特征。
?卷積層
卷積層從圖片中提取特征，圖片在計(jì)算機(jī)中就上按我們上面說(shuō)的格式存儲(chǔ)的（長(zhǎng)方體），先取一層提取特征，怎么提??？使用卷積核（權(quán)值）。做如下短操作：
觀察左右兩個(gè)矩陣，矩陣大小從6×6 變成了 4×4，但數(shù)字的大小分布好像還是一致的?？聪抡鎸?shí)圖片：
圖片好像變模糊了，但這兩個(gè)圖片大小沒(méi)變是怎么回事呢？其實(shí)是用了如下的方式：same padding
在6×6的矩陣周圍加了一圈0，再做卷積的時(shí)候得到的還是一個(gè)6×6的矩陣，為什么加一圈0這個(gè)和卷積核大小、步長(zhǎng)和邊界有關(guān)。自己算吧。
上面是在一個(gè)6×6的矩陣上使用3X3的矩陣做的演示。在真實(shí)的圖片上做卷積是什么樣的呢？如下圖：
對(duì)一個(gè)32x32x3的圖使用10個(gè)5x5x3的filter做卷積得到一個(gè)28x28x10的激活圖(激活圖是卷積層的輸出).
?池化層
減少圖片的分辨率，減少特征映射。怎么減少的呢？
池化在每一個(gè)縱深維度上獨(dú)自完成，因此圖像的縱深保持不變。池化層的最常見形式是最大池化。
可以看到圖像明顯的變小了。如圖：
在激活圖的每一層的二維矩陣上按2×2提取最大值得到新的圖。真實(shí)效果如下：
隨著卷積層和池化層的增加，對(duì)應(yīng)濾波器檢測(cè)的特征就更加復(fù)雜。隨著累積，就可以檢測(cè)越來(lái)越復(fù)雜的特征。這里還有一個(gè)卷積核優(yōu)化的問(wèn)題，多次訓(xùn)練優(yōu)化卷積核。
下面使用apple的卷積神經(jīng)網(wǎng)絡(luò)框架TuriCreate實(shí)現(xiàn)區(qū)分暹羅和英短。(先說(shuō)一下我是在win10下裝的熬夜把電腦重裝了不下3次，系統(tǒng)要有wls,不要用企業(yè)版，mac系統(tǒng)和ubuntu系統(tǒng)下安裝turicreae比較方便)
首先準(zhǔn)備訓(xùn)練用圖片暹羅50張，英短50長(zhǎng)。測(cè)試用圖片10張。
上代碼：（開發(fā)工具anaconda，python 2.7）
數(shù)據(jù)放到了h盤image目錄下，我是在win10下裝的ubuntu,所以h盤掛在mnt/下。
test的文件：(x指暹羅，y指英短，這樣命名是為了代碼里給測(cè)試圖片區(qū)分貓咪類型)
test_data[‘label’] = test_data[‘path’].apply(lambda path: ‘xianluo’ if ‘x’ in path else ‘yingduan’)
第一次結(jié)果如下：
訓(xùn)練精度0.955 驗(yàn)證精度才0.75 正確率才0.5。好吧，看來(lái)是學(xué)習(xí)得太少，得上三年高考五年模擬版，將暹羅和英短的圖片都增加到100張。在看結(jié)果。
這次訓(xùn)練精度就達(dá)到0.987了，驗(yàn)證精度1.0，正確率1.0 牛逼了。
看下turicreate識(shí)別的結(jié)果：
我們實(shí)際圖片上貓是：(紅色為真實(shí)的貓的類型-在代碼里根據(jù)圖片名稱標(biāo)記的，綠色為識(shí)別出來(lái)的貓的類型)
可以看到兩者是一致的。牛逼了訓(xùn)練數(shù)據(jù)才兩百?gòu)垐D片，就可以達(dá)到這種效果。
本文原創(chuàng)首發(fā)于Cobub官網(wǎng)博客，如需轉(zhuǎn)載請(qǐng)注明出處~
Cobub開源社區(qū)QQ194022996
Cobub Razor是一款開源的移動(dòng)應(yīng)用數(shù)據(jù)統(tǒng)計(jì)分析系統(tǒng)，您可以將它私有化部署在您的應(yīng)用上，收集并展現(xiàn)來(lái)自您的移動(dòng)App（包括iOS，Android和Windows Phone及混合型應(yīng)用）的相關(guān)用戶行為，數(shù)據(jù)私有靈活更安全。它可以幫助企業(yè)降低運(yùn)營(yíng)成本，提高用戶留存率，轉(zhuǎn)化率以及活躍度，實(shí)現(xiàn)精細(xì)化運(yùn)營(yíng)！
