深度學(xué)習(xí)在圖像中的應(yīng)用課件

第七章深度學(xué)習(xí)在圖像中的應(yīng)用of3117.1圖像識(shí)別基礎(chǔ)7.2基于深度學(xué)習(xí)的大規(guī)模圖像識(shí)別7.3應(yīng)用舉例：人臉識(shí)別7.4應(yīng)用舉例：圖像風(fēng)格化習(xí)題7.5應(yīng)用舉例：圖像標(biāo)注第七章深度學(xué)習(xí)在圖像中的應(yīng)用of3117.1圖像識(shí)別基礎(chǔ)7.1圖像識(shí)別基礎(chǔ)第七章深度學(xué)習(xí)在圖像中的應(yīng)用of3121．人眼和計(jì)算機(jī)的圖像識(shí)別過程7.1圖像識(shí)別基礎(chǔ)第七章深度學(xué)習(xí)在圖像中的應(yīng)用of31217.1圖像識(shí)別基礎(chǔ)第七章深度學(xué)習(xí)在圖像中的應(yīng)用of313

對(duì)于一張自然場景圖像，我們?nèi)搜劭吹降臅?huì)是左邊這張生動(dòng)的圖像；而對(duì)于計(jì)算機(jī)而言，看到的確是一堆枯燥的數(shù)字（這些數(shù)字對(duì)應(yīng)的是圖像各像素點(diǎn)的灰度等特征值）。如何在像素點(diǎn)的特征值和圖像語義之間進(jìn)行處理和關(guān)聯(lián)是計(jì)算機(jī)進(jìn)行圖像識(shí)別的一大難題。2．計(jì)算機(jī)對(duì)圖像進(jìn)行識(shí)別的難點(diǎn)7.1圖像識(shí)別基礎(chǔ)第七章深度學(xué)習(xí)在圖像中的應(yīng)用of313第七章深度學(xué)習(xí)在圖像中的應(yīng)用全國高校標(biāo)準(zhǔn)教材《云計(jì)算》姊妹篇，剖析深度學(xué)習(xí)核心技術(shù)和實(shí)戰(zhàn)應(yīng)用of3147.1圖像識(shí)別基礎(chǔ)7.2基于深度學(xué)習(xí)的大規(guī)模圖像識(shí)別7.3應(yīng)用舉例：人臉識(shí)別7.4應(yīng)用舉例：圖像風(fēng)格化習(xí)題7.5應(yīng)用舉例：圖像標(biāo)注第七章深度學(xué)習(xí)在圖像中的應(yīng)用全國高校標(biāo)準(zhǔn)教材《云計(jì)算》姊妹7.2基于深度學(xué)習(xí)的大規(guī)模圖像識(shí)別第七章深度學(xué)習(xí)在圖像中的應(yīng)用of3151．大規(guī)模圖像數(shù)據(jù)庫:Imagenet

ImageNet由美國斯坦福大學(xué)LiFei-fei教授的研究團(tuán)隊(duì)提出，是一個(gè)很大規(guī)模的數(shù)據(jù)庫，包含超過一千五百萬具有標(biāo)簽的高清圖像，這些圖像可以分成約兩萬兩千個(gè)類別。這些圖像均從網(wǎng)絡(luò)中采集而得；并使用亞馬遜的“土耳其機(jī)器人”眾包工具，集廣大網(wǎng)民的力量手工標(biāo)注獲得圖像對(duì)應(yīng)的標(biāo)簽。

7.2基于深度學(xué)習(xí)的大規(guī)模圖像識(shí)別第七章深度學(xué)習(xí)在圖像中的7.2基于深度學(xué)習(xí)的大規(guī)模圖像識(shí)別第七章深度學(xué)習(xí)在圖像中的應(yīng)用of3162．AlexNet網(wǎng)絡(luò)結(jié)構(gòu)

AlexNet總共包含8個(gè)學(xué)習(xí)層：前5層是卷積層，最后3層是全連接層。在這5個(gè)卷積層中，第1、2、5層后面有最大值池化（Maxpooling）層。7.2基于深度學(xué)習(xí)的大規(guī)模圖像識(shí)別第七章深度學(xué)習(xí)在圖像中的7.2基于深度學(xué)習(xí)的大規(guī)模圖像識(shí)別第七章深度學(xué)習(xí)在圖像中的應(yīng)用of3173．非線性激活函數(shù)ReLU

AlexNet中，使用ReLU激活函數(shù)來替代Sigmoid激活函數(shù)。相比較于Sigmoid激活函數(shù)而言：（1）ReLU激活函數(shù)在大于0的部分梯度為常數(shù)，不會(huì)出現(xiàn)梯度彌散現(xiàn)象；（2）ReLU激活函數(shù)在小于0的部分梯度都為0，可以在一定程度上緩解過擬合現(xiàn)象的發(fā)生；（3）ReLU激活函數(shù)的導(dǎo)數(shù)計(jì)算非常簡單快速（3）ReLU激活函數(shù)的導(dǎo)數(shù)計(jì)算非常簡單快速7.2基于深度學(xué)習(xí)的大規(guī)模圖像識(shí)別第七章深度學(xué)習(xí)在圖像中的7.2基于深度學(xué)習(xí)的大規(guī)模圖像識(shí)別第七章深度學(xué)習(xí)在圖像中的應(yīng)用of3184.增加訓(xùn)練樣本

增加訓(xùn)練樣本，又稱為數(shù)據(jù)增強(qiáng)（dataaugmentation），通過對(duì)圖像進(jìn)行變換人為地?cái)U(kuò)大訓(xùn)練數(shù)據(jù)集。該方法是減少過擬合現(xiàn)象的一個(gè)最容易和最普遍的方法。常見數(shù)據(jù)增強(qiáng)方法：1、隨機(jī)裁剪和水平翻轉(zhuǎn)；2、顏色調(diào)整7.2基于深度學(xué)習(xí)的大規(guī)模圖像識(shí)別第七章深度學(xué)習(xí)在圖像中的7.2基于深度學(xué)習(xí)的大規(guī)模圖像識(shí)別第七章深度學(xué)習(xí)在圖像中的應(yīng)用of3195.dropout技術(shù)

在網(wǎng)絡(luò)訓(xùn)練期間，dropout技術(shù)相當(dāng)于是對(duì)整體神經(jīng)網(wǎng)絡(luò)進(jìn)行子采樣。具體實(shí)現(xiàn)方法為：以50%的概率將神經(jīng)網(wǎng)絡(luò)中每一個(gè)隱層結(jié)點(diǎn)的輸出設(shè)置為0，使之不參與前向傳播和反向傳播。7.2基于深度學(xué)習(xí)的大規(guī)模圖像識(shí)別第七章深度學(xué)習(xí)在圖像中的第七章深度學(xué)習(xí)在圖像中的應(yīng)用全國高校標(biāo)準(zhǔn)教材《云計(jì)算》姊妹篇，剖析深度學(xué)習(xí)核心技術(shù)和實(shí)戰(zhàn)應(yīng)用of31107.1圖像識(shí)別基礎(chǔ)7.2基于深度學(xué)習(xí)的大規(guī)模圖像識(shí)別7.3應(yīng)用舉例：人臉識(shí)別7.4應(yīng)用舉例：圖像風(fēng)格化習(xí)題7.5應(yīng)用舉例：圖像標(biāo)注第七章深度學(xué)習(xí)在圖像中的應(yīng)用全國高校標(biāo)準(zhǔn)教材《云計(jì)算》姊妹7.3應(yīng)用舉例：人臉識(shí)別第七章深度學(xué)習(xí)在圖像中的應(yīng)用of3111

在自然場景中進(jìn)行自動(dòng)人臉識(shí)別的經(jīng)典流程一般分為以下三個(gè)步驟：人臉檢測(cè)(facerecognition)、人臉對(duì)齊(facealignment，又稱作面部特征點(diǎn)對(duì)齊)、特征提取和分類器設(shè)計(jì)1．人臉識(shí)別的經(jīng)典流程7.3應(yīng)用舉例：人臉識(shí)別第七章深度學(xué)習(xí)在圖像中的應(yīng)用of37.3應(yīng)用舉例：人臉識(shí)別第七章深度學(xué)習(xí)在圖像中的應(yīng)用of3112

LFW(LabeledFacesintheWild)數(shù)據(jù)庫是自然場景環(huán)境下人臉識(shí)別問題的測(cè)試基準(zhǔn)，是目前用得最多的自然場景人臉圖像數(shù)據(jù)庫。該數(shù)據(jù)庫中的圖像來源于因特網(wǎng)，采集的是自然場景環(huán)境下的人臉圖像，目的是提高自然場景環(huán)境下人臉識(shí)別的準(zhǔn)確率。這個(gè)數(shù)據(jù)庫包含5749個(gè)人，共13233幅圖像。2．人臉圖像數(shù)據(jù)庫7.3應(yīng)用舉例：人臉識(shí)別第七章深度學(xué)習(xí)在圖像中的應(yīng)用of37.3應(yīng)用舉例：人臉識(shí)別第七章深度學(xué)習(xí)在圖像中的應(yīng)用of3113DeepFace方法的貢獻(xiàn)主要包括兩點(diǎn)：一是基于3D模型對(duì)人臉進(jìn)行對(duì)齊；二是使用大數(shù)據(jù)訓(xùn)練深層的人工神經(jīng)網(wǎng)絡(luò)，得到具有判別性的人臉特征。3．基于深度學(xué)習(xí)的人臉識(shí)別方法7.3應(yīng)用舉例：人臉識(shí)別第七章深度學(xué)習(xí)在圖像中的應(yīng)用of3第七章深度學(xué)習(xí)在圖像中的應(yīng)用全國高校標(biāo)準(zhǔn)教材《云計(jì)算》姊妹篇，剖析深度學(xué)習(xí)核心技術(shù)和實(shí)戰(zhàn)應(yīng)用of31147.1圖像識(shí)別基礎(chǔ)7.2基于深度學(xué)習(xí)的大規(guī)模圖像識(shí)別7.3應(yīng)用舉例：人臉識(shí)別7.4應(yīng)用舉例：圖像風(fēng)格化習(xí)題7.5應(yīng)用舉例：圖像標(biāo)注第七章深度學(xué)習(xí)在圖像中的應(yīng)用全國高校標(biāo)準(zhǔn)教材《云計(jì)算》姊妹7.4應(yīng)用舉例：圖像風(fēng)格化第七章深度學(xué)習(xí)在圖像中的應(yīng)用of31151．內(nèi)容重構(gòu)

下圖中所得到的五個(gè)內(nèi)容重構(gòu)結(jié)果分別基于VGG模型中的‘conv1_1’層(a)，‘conv2_1’層(b)，‘conv3_1’層(c)，‘conv4_1’層(d)和‘conv5_1’層(e)。7.4應(yīng)用舉例：圖像風(fēng)格化第七章深度學(xué)習(xí)在圖像中的應(yīng)用of7.4應(yīng)用舉例：圖像風(fēng)格化第七章深度學(xué)習(xí)在圖像中的應(yīng)用of31162．風(fēng)格重構(gòu)

通過計(jì)算卷積神經(jīng)網(wǎng)絡(luò)在某一層各特征圖之間的相關(guān)性對(duì)圖像的風(fēng)格進(jìn)行重構(gòu)，可以得到一個(gè)相對(duì)應(yīng)的風(fēng)格表示圖。為了生成與給定圖的風(fēng)格相匹配的紋理圖像，Gatys等人首先初始化一個(gè)白噪聲圖像，接著使用梯度下降法來尋找與原圖的風(fēng)格表示相匹配的圖像，得到在該層風(fēng)格重構(gòu)的生成圖像。上頁圖中所得到的五個(gè)風(fēng)格重構(gòu)結(jié)果分別基于VGG模型中的‘conv1_1’層(a)，‘conv1_1’和‘conv2_1’層(b)，‘conv1_1’、‘conv2_1’和‘conv3_1’層(c)，‘conv1_1’、‘conv2_1’、‘conv3_1’和‘conv4_1’層(d)，‘conv1_1’、‘conv2_1’、‘conv3_1’、‘conv4_1’和‘conv5_1’層(e)對(duì)風(fēng)格表示進(jìn)行匹配而得。7.4應(yīng)用舉例：圖像風(fēng)格化第七章深度學(xué)習(xí)在圖像中的應(yīng)用of7.4應(yīng)用舉例：圖像風(fēng)格化第七章深度學(xué)習(xí)在圖像中的應(yīng)用of31173．內(nèi)容與風(fēng)格的重組

下圖中第A行顯示的是與VGG模型中‘conv1_1’層風(fēng)格重構(gòu)相匹配的結(jié)果，第B行顯示的是與VGG模型中‘conv1_1’和‘conv2_1’層風(fēng)格重構(gòu)相匹配的結(jié)果，第C行顯示的是與VGG模型中‘conv1_1’、‘conv2_1’和‘conv3_1’層風(fēng)格重構(gòu)相匹配的結(jié)果，第D行顯示的是與VGG模型中‘conv1_1’、‘conv2_1’、‘conv3_1’和‘conv4_1’層風(fēng)格重構(gòu)相匹配的結(jié)果，第E行顯示的是與VGG模型中‘conv1_1’、‘conv2_1’、‘conv3_1’、‘conv4_1’和‘conv5_1’層風(fēng)格重構(gòu)相匹配的結(jié)果。7.4應(yīng)用舉例：圖像風(fēng)格化第七章深度學(xué)習(xí)在圖像中的應(yīng)用of第七章深度學(xué)習(xí)在圖像中的應(yīng)用全國高校標(biāo)準(zhǔn)教材《云計(jì)算》姊妹篇，剖析深度學(xué)習(xí)核心技術(shù)和實(shí)戰(zhàn)應(yīng)用of31187.1圖像識(shí)別基礎(chǔ)7.2基于深度學(xué)習(xí)的大規(guī)模圖像識(shí)別7.3應(yīng)用舉例：人臉識(shí)別7.4應(yīng)用舉例：圖像風(fēng)格化習(xí)題7.5應(yīng)用舉例：圖像標(biāo)注第七章深度學(xué)習(xí)在圖像中的應(yīng)用全國高校標(biāo)準(zhǔn)教材《云計(jì)算》姊妹7.5應(yīng)用舉例：圖像標(biāo)注第七章深度學(xué)習(xí)在圖像中的應(yīng)用of3119

圖像標(biāo)注是由計(jì)算機(jī)以說明或關(guān)鍵詞的形式分配語言數(shù)據(jù)給一張圖像的過程。1．基于深度網(wǎng)絡(luò)的圖像標(biāo)注方法概述圖像標(biāo)注流程7.5應(yīng)用舉例：圖像標(biāo)注第七章深度學(xué)習(xí)在圖像中的應(yīng)用of37.5應(yīng)用舉例：圖像標(biāo)注第七章深度學(xué)習(xí)在圖像中的應(yīng)用of3120

視覺和語義的對(duì)齊模型主要由三個(gè)部分組成2．視覺語義對(duì)齊視覺表示語義表示視覺語義對(duì)齊

構(gòu)造卷積神經(jīng)網(wǎng)路（ConvolutionNeuralNetwork，CNN），用于表示圖像區(qū)域

構(gòu)造雙向循環(huán)神經(jīng)網(wǎng)絡(luò)（BidirectionalRecurrentNeuralNetworks），用于表示語句

構(gòu)造結(jié)構(gòu)化的目標(biāo)函數(shù)，使用多模態(tài)嵌入方法將圖像區(qū)域與語義進(jìn)行對(duì)齊7.5應(yīng)用舉例：圖像標(biāo)注第七章深度學(xué)習(xí)在圖像中的應(yīng)用of37.5應(yīng)用舉例：圖像標(biāo)注第七章深度學(xué)習(xí)在圖像中的應(yīng)用of3121

假定我們有一些圖像和相關(guān)語句描述的集合，這些集合可以是整幅的圖像和相關(guān)的語句描述，也可以是圖像區(qū)域和相關(guān)的語句片段。主要的挑戰(zhàn)是設(shè)計(jì)一個(gè)模型，使之可以根據(jù)給定的新圖像預(yù)測(cè)相對(duì)應(yīng)的文本描述3．為新圖像生成對(duì)應(yīng)文本描述多模態(tài)循環(huán)神經(jīng)網(wǎng)絡(luò)MRNN的流程圖7.5應(yīng)用舉例：圖像標(biāo)注第七章深度學(xué)習(xí)在圖像中的應(yīng)用of3習(xí)題：1．傳統(tǒng)的圖像識(shí)別由哪兩個(gè)經(jīng)典步驟組成？2．傳統(tǒng)的圖像識(shí)別與基于深度學(xué)習(xí)的圖像識(shí)別之間的主要區(qū)別是什么？3．最早用于圖像識(shí)別并取得突破性進(jìn)展的深度網(wǎng)絡(luò)是什么網(wǎng)絡(luò)？它由多少卷積層和多少全連接層構(gòu)成？4．Sigmoid激活函數(shù)和ReLU激活函數(shù)的公式分別是什么？ReLU激活函數(shù)具有哪些優(yōu)點(diǎn)？5．常用的數(shù)據(jù)增強(qiáng)方法有哪些？AlexNet中使用了哪些數(shù)據(jù)增強(qiáng)方法？習(xí)題：1．傳統(tǒng)的圖像識(shí)別由哪兩個(gè)經(jīng)典步驟組成？感謝聆聽感謝聆聽第七章深度學(xué)習(xí)在圖像中的應(yīng)用of31247.1圖像識(shí)別基礎(chǔ)7.2基于深度學(xué)習(xí)的大規(guī)模圖像識(shí)別7.3應(yīng)用舉例：人臉識(shí)別7.4應(yīng)用舉例：圖像風(fēng)格化習(xí)題7.5應(yīng)用舉例：圖像標(biāo)注第七章深度學(xué)習(xí)在圖像中的應(yīng)用of3117.1圖像識(shí)別基礎(chǔ)7.1圖像識(shí)別基礎(chǔ)第七章深度學(xué)習(xí)在圖像中的應(yīng)用of31251．人眼和計(jì)算機(jī)的圖像識(shí)別過程7.1圖像識(shí)別基礎(chǔ)第七章深度學(xué)習(xí)在圖像中的應(yīng)用of31217.1圖像識(shí)別基礎(chǔ)第七章深度學(xué)習(xí)在圖像中的應(yīng)用of3126

對(duì)于一張自然場景圖像，我們?nèi)搜劭吹降臅?huì)是左邊這張生動(dòng)的圖像；而對(duì)于計(jì)算機(jī)而言，看到的確是一堆枯燥的數(shù)字（這些數(shù)字對(duì)應(yīng)的是圖像各像素點(diǎn)的灰度等特征值）。如何在像素點(diǎn)的特征值和圖像語義之間進(jìn)行處理和關(guān)聯(lián)是計(jì)算機(jī)進(jìn)行圖像識(shí)別的一大難題。2．計(jì)算機(jī)對(duì)圖像進(jìn)行識(shí)別的難點(diǎn)7.1圖像識(shí)別基礎(chǔ)第七章深度學(xué)習(xí)在圖像中的應(yīng)用of313第七章深度學(xué)習(xí)在圖像中的應(yīng)用全國高校標(biāo)準(zhǔn)教材《云計(jì)算》姊妹篇，剖析深度學(xué)習(xí)核心技術(shù)和實(shí)戰(zhàn)應(yīng)用of31277.1圖像識(shí)別基礎(chǔ)7.2基于深度學(xué)習(xí)的大規(guī)模圖像識(shí)別7.3應(yīng)用舉例：人臉識(shí)別7.4應(yīng)用舉例：圖像風(fēng)格化習(xí)題7.5應(yīng)用舉例：圖像標(biāo)注第七章深度學(xué)習(xí)在圖像中的應(yīng)用全國高校標(biāo)準(zhǔn)教材《云計(jì)算》姊妹7.2基于深度學(xué)習(xí)的大規(guī)模圖像識(shí)別第七章深度學(xué)習(xí)在圖像中的應(yīng)用of31281．大規(guī)模圖像數(shù)據(jù)庫:Imagenet

ImageNet由美國斯坦福大學(xué)LiFei-fei教授的研究團(tuán)隊(duì)提出，是一個(gè)很大規(guī)模的數(shù)據(jù)庫，包含超過一千五百萬具有標(biāo)簽的高清圖像，這些圖像可以分成約兩萬兩千個(gè)類別。這些圖像均從網(wǎng)絡(luò)中采集而得；并使用亞馬遜的“土耳其機(jī)器人”眾包工具，集廣大網(wǎng)民的力量手工標(biāo)注獲得圖像對(duì)應(yīng)的標(biāo)簽。

7.2基于深度學(xué)習(xí)的大規(guī)模圖像識(shí)別第七章深度學(xué)習(xí)在圖像中的7.2基于深度學(xué)習(xí)的大規(guī)模圖像識(shí)別第七章深度學(xué)習(xí)在圖像中的應(yīng)用of31292．AlexNet網(wǎng)絡(luò)結(jié)構(gòu)

AlexNet總共包含8個(gè)學(xué)習(xí)層：前5層是卷積層，最后3層是全連接層。在這5個(gè)卷積層中，第1、2、5層后面有最大值池化（Maxpooling）層。7.2基于深度學(xué)習(xí)的大規(guī)模圖像識(shí)別第七章深度學(xué)習(xí)在圖像中的7.2基于深度學(xué)習(xí)的大規(guī)模圖像識(shí)別第七章深度學(xué)習(xí)在圖像中的應(yīng)用of31303．非線性激活函數(shù)ReLU

AlexNet中，使用ReLU激活函數(shù)來替代Sigmoid激活函數(shù)。相比較于Sigmoid激活函數(shù)而言：（1）ReLU激活函數(shù)在大于0的部分梯度為常數(shù)，不會(huì)出現(xiàn)梯度彌散現(xiàn)象；（2）ReLU激活函數(shù)在小于0的部分梯度都為0，可以在一定程度上緩解過擬合現(xiàn)象的發(fā)生；（3）ReLU激活函數(shù)的導(dǎo)數(shù)計(jì)算非常簡單快速（3）ReLU激活函數(shù)的導(dǎo)數(shù)計(jì)算非常簡單快速7.2基于深度學(xué)習(xí)的大規(guī)模圖像識(shí)別第七章深度學(xué)習(xí)在圖像中的7.2基于深度學(xué)習(xí)的大規(guī)模圖像識(shí)別第七章深度學(xué)習(xí)在圖像中的應(yīng)用of31314.增加訓(xùn)練樣本

增加訓(xùn)練樣本，又稱為數(shù)據(jù)增強(qiáng)（dataaugmentation），通過對(duì)圖像進(jìn)行變換人為地?cái)U(kuò)大訓(xùn)練數(shù)據(jù)集。該方法是減少過擬合現(xiàn)象的一個(gè)最容易和最普遍的方法。常見數(shù)據(jù)增強(qiáng)方法：1、隨機(jī)裁剪和水平翻轉(zhuǎn)；2、顏色調(diào)整7.2基于深度學(xué)習(xí)的大規(guī)模圖像識(shí)別第七章深度學(xué)習(xí)在圖像中的7.2基于深度學(xué)習(xí)的大規(guī)模圖像識(shí)別第七章深度學(xué)習(xí)在圖像中的應(yīng)用of31325.dropout技術(shù)

在網(wǎng)絡(luò)訓(xùn)練期間，dropout技術(shù)相當(dāng)于是對(duì)整體神經(jīng)網(wǎng)絡(luò)進(jìn)行子采樣。具體實(shí)現(xiàn)方法為：以50%的概率將神經(jīng)網(wǎng)絡(luò)中每一個(gè)隱層結(jié)點(diǎn)的輸出設(shè)置為0，使之不參與前向傳播和反向傳播。7.2基于深度學(xué)習(xí)的大規(guī)模圖像識(shí)別第七章深度學(xué)習(xí)在圖像中的第七章深度學(xué)習(xí)在圖像中的應(yīng)用全國高校標(biāo)準(zhǔn)教材《云計(jì)算》姊妹篇，剖析深度學(xué)習(xí)核心技術(shù)和實(shí)戰(zhàn)應(yīng)用of31337.1圖像識(shí)別基礎(chǔ)7.2基于深度學(xué)習(xí)的大規(guī)模圖像識(shí)別7.3應(yīng)用舉例：人臉識(shí)別7.4應(yīng)用舉例：圖像風(fēng)格化習(xí)題7.5應(yīng)用舉例：圖像標(biāo)注第七章深度學(xué)習(xí)在圖像中的應(yīng)用全國高校標(biāo)準(zhǔn)教材《云計(jì)算》姊妹7.3應(yīng)用舉例：人臉識(shí)別第七章深度學(xué)習(xí)在圖像中的應(yīng)用of3134

在自然場景中進(jìn)行自動(dòng)人臉識(shí)別的經(jīng)典流程一般分為以下三個(gè)步驟：人臉檢測(cè)(facerecognition)、人臉對(duì)齊(facealignment，又稱作面部特征點(diǎn)對(duì)齊)、特征提取和分類器設(shè)計(jì)1．人臉識(shí)別的經(jīng)典流程7.3應(yīng)用舉例：人臉識(shí)別第七章深度學(xué)習(xí)在圖像中的應(yīng)用of37.3應(yīng)用舉例：人臉識(shí)別第七章深度學(xué)習(xí)在圖像中的應(yīng)用of3135

LFW(LabeledFacesintheWild)數(shù)據(jù)庫是自然場景環(huán)境下人臉識(shí)別問題的測(cè)試基準(zhǔn)，是目前用得最多的自然場景人臉圖像數(shù)據(jù)庫。該數(shù)據(jù)庫中的圖像來源于因特網(wǎng)，采集的是自然場景環(huán)境下的人臉圖像，目的是提高自然場景環(huán)境下人臉識(shí)別的準(zhǔn)確率。這個(gè)數(shù)據(jù)庫包含5749個(gè)人，共13233幅圖像。2．人臉圖像數(shù)據(jù)庫7.3應(yīng)用舉例：人臉識(shí)別第七章深度學(xué)習(xí)在圖像中的應(yīng)用of37.3應(yīng)用舉例：人臉識(shí)別第七章深度學(xué)習(xí)在圖像中的應(yīng)用of3136DeepFace方法的貢獻(xiàn)主要包括兩點(diǎn)：一是基于3D模型對(duì)人臉進(jìn)行對(duì)齊；二是使用大數(shù)據(jù)訓(xùn)練深層的人工神經(jīng)網(wǎng)絡(luò)，得到具有判別性的人臉特征。3．基于深度學(xué)習(xí)的人臉識(shí)別方法7.3應(yīng)用舉例：人臉識(shí)別第七章深度學(xué)習(xí)在圖像中的應(yīng)用of3第七章深度學(xué)習(xí)在圖像中的應(yīng)用全國高校標(biāo)準(zhǔn)教材《云計(jì)算》姊妹篇，剖析深度學(xué)習(xí)核心技術(shù)和實(shí)戰(zhàn)應(yīng)用of31377.1圖像識(shí)別基礎(chǔ)7.2基于深度學(xué)習(xí)的大規(guī)模圖像識(shí)別7.3應(yīng)用舉例：人臉識(shí)別7.4應(yīng)用舉例：圖像風(fēng)格化習(xí)題7.5應(yīng)用舉例：圖像標(biāo)注第七章深度學(xué)習(xí)在圖像中的應(yīng)用全國高校標(biāo)準(zhǔn)教材《云計(jì)算》姊妹7.4應(yīng)用舉例：圖像風(fēng)格化第七章深度學(xué)習(xí)在圖像中的應(yīng)用of31381．內(nèi)容重構(gòu)

下圖中所得到的五個(gè)內(nèi)容重構(gòu)結(jié)果分別基于VGG模型中的‘conv1_1’層(a)，‘conv2_1’層(b)，‘conv3_1’層(c)，‘conv4_1’層(d)和‘conv5_1’層(e)。7.4應(yīng)用舉例：圖像風(fēng)格化第七章深度學(xué)習(xí)在圖像中的應(yīng)用of7.4應(yīng)用舉例：圖像風(fēng)格化第七章深度學(xué)習(xí)在圖像中的應(yīng)用of31392．風(fēng)格重構(gòu)

通過計(jì)算卷積神經(jīng)網(wǎng)絡(luò)在某一層各特征圖之間的相關(guān)性對(duì)圖像的風(fēng)格進(jìn)行重構(gòu)，可以得到一個(gè)相對(duì)應(yīng)的風(fēng)格表示圖。為了生成與給定圖的風(fēng)格相匹配的紋理圖像，Gatys等人首先初始化一個(gè)白噪聲圖像，接著使用梯度下降法來尋找與原圖的風(fēng)格表示相匹配的圖像，得到在該層風(fēng)格重構(gòu)的生成圖像。上頁圖中所得到的五個(gè)風(fēng)格重構(gòu)結(jié)果分別基于VGG模型中的‘conv1_1’層(a)，‘conv1_1’和‘conv2_1’層(b)，‘conv1_1’、‘conv2_1’和‘conv3_1’層(c)，‘conv1_1’、‘conv2_1’、‘conv3_1’和‘conv4_1’層(d)，‘conv1_1’、‘conv2_1’、‘conv3_1’、‘conv4_1’和‘conv5_1’層(e)對(duì)風(fēng)格表示進(jìn)行匹配而得。7.4應(yīng)用舉例：圖像風(fēng)格化第七章深度學(xué)習(xí)在圖像中的應(yīng)用of7.4應(yīng)用舉例：圖像風(fēng)格化第七章深度學(xué)習(xí)在圖像中的應(yīng)用of31403．內(nèi)容與風(fēng)格的重組

下圖中第A行顯示的是與VGG模型中‘conv1_1’層風(fēng)格重構(gòu)相匹配的結(jié)果，第B行顯示的是與VGG模型中‘conv1_1’和‘conv2_1’層風(fēng)格重構(gòu)相匹配的結(jié)果，第C行顯示的是與VGG模型中‘conv1_1’、‘conv2_1’和‘conv3_1’層風(fēng)格重構(gòu)相匹配的結(jié)果，第D行顯示的是與VGG模型中‘conv1_1’、‘conv2_1’、‘conv3_1’和‘conv4_1’層風(fēng)格重構(gòu)相匹配的結(jié)果，第E行顯示的是與VGG模型中‘conv1_1’、‘conv2_1’、‘conv3_1’、‘conv4_1’和‘conv5_1’層風(fēng)格重構(gòu)相匹配的結(jié)果。7.4應(yīng)用舉例：圖像風(fēng)格化第七章深度學(xué)習(xí)在圖像中的應(yīng)用of第七章深度學(xué)習(xí)在圖像中的應(yīng)用全國高校標(biāo)準(zhǔn)教材《云計(jì)算》姊妹篇，剖析深度學(xué)習(xí)核心技術(shù)和實(shí)戰(zhàn)應(yīng)用of31417.1圖像識(shí)別基礎(chǔ)7.2基于深度學(xué)習(xí)的大規(guī)模圖像識(shí)別7.