人工智能應(yīng)用基礎(chǔ) 課件 項目二 機(jī)器學(xué)習(xí)：找出你是誰

項目二機(jī)器學(xué)習(xí)：找出你是誰人工智能應(yīng)用基礎(chǔ)0102任務(wù)2理解分類問題任務(wù)3理解特征與標(biāo)記任務(wù)1認(rèn)識圖像的表示目錄03任務(wù)4認(rèn)識分類器04任務(wù)5了解迭代學(xué)習(xí)05任務(wù)6項目開發(fā)人臉識別：我知道你是誰06人臉識別在安防領(lǐng)域的應(yīng)用已經(jīng)很多了，警方能夠通過捕捉攝像頭中的影像來確認(rèn)誰是犯罪嫌疑人；系統(tǒng)能從海量級的人物照片庫中找到被通緝?nèi)藛T。這些功能都可以通過人臉識別技術(shù)實現(xiàn)。基于人臉識別和大數(shù)據(jù)分析，可以從海量數(shù)據(jù)中根據(jù)目標(biāo)人物的特征信息，如性別、年齡范圍、著裝顏色等，通過人臉比對分析確定嫌疑人身份。本項目我們來學(xué)習(xí)該案例中蘊(yùn)藏的機(jī)器分類技術(shù)。通過使用現(xiàn)有機(jī)器學(xué)習(xí)框架模塊，實現(xiàn)對人臉圖片的分類，判斷圖片中是誰。項目二機(jī)器學(xué)習(xí)：找出你是誰項目一人工智能：軌道交通智慧之門01知識目標(biāo)02能力目標(biāo)03素質(zhì)目標(biāo)任務(wù)1認(rèn)識人工智能任務(wù)1認(rèn)識圖像的表示計算機(jī)是怎么表示彩色圖像的？任務(wù)1認(rèn)識圖像的表示在計算機(jī)里，對于彩色圖像用紅（R）、綠（G）、藍(lán)（B）三基色來表示，用紅（R）、綠（G）、藍(lán)（B）三個數(shù)字來表示一個顏色，每個基本顏色的值為0-255，數(shù)值的大小表示這個顏色分量的明暗程度，數(shù)值越大，表示該基本顏色的比例越大。任務(wù)1認(rèn)識圖像的表示通過不同比例的調(diào)和，會呈現(xiàn)出我們?nèi)搜鬯芸吹降娜魏晤伾?。任?wù)1認(rèn)識圖像的表示任務(wù)1認(rèn)識圖像的表示（255，0，0）表示純紅色；任務(wù)1認(rèn)識圖像的表示（0，255，0）表示純綠色；任務(wù)1認(rèn)識圖像的表示（0，0，255）表示純藍(lán)色；任務(wù)1認(rèn)識圖像的表示白色怎么表示？黑色怎么表示？灰色怎么表示？（255，255，255）（0，0，0）（100，100，100）任務(wù)1認(rèn)識圖像的表示一幅圖像是由一個個小格子組成的，每個小格子是一個色塊。如果用不同的數(shù)字表示不同的顏色，圖像就可以表示成一個由數(shù)字組成的矩形陣列，稱為矩陣，這樣圖像就會存儲在計算機(jī)中。這里的小格子稱為像素，格子的行數(shù)和列數(shù)統(tǒng)稱為分辨率。反過來，如果給出一個數(shù)字組成的矩陣，將矩陣中的每個數(shù)值轉(zhuǎn)換為對應(yīng)的顏色，并在計算機(jī)屏幕上顯示出來，就可以重現(xiàn)這幅圖像。任務(wù)1認(rèn)識圖像的表示任務(wù)1認(rèn)識圖像的表示用三種顏色的不同比例（數(shù)字）就可以表示很多種顏色，可見，一張彩色圖像就可以用三張由數(shù)字組成的陣列來表示，如圖2-7所示，這些數(shù)字陣列稱為三階張量。三階張量的長度和寬度為圖像的分辨率，高度為3，即彩色圖像有3個通道，灰度圖像只有一個通道。任務(wù)2理解分類問題任務(wù)2理解分類問題分類就是在樣本集中，通過已知樣本的特征和屬性，將樣本劃分到已有的類別中。也就是說，這些類別是已知的，通過對已知樣本數(shù)據(jù)進(jìn)行訓(xùn)練和學(xué)習(xí)，找到能區(qū)分?jǐn)?shù)據(jù)類別的特征，再通過這些特征對待分類數(shù)據(jù)進(jìn)行分類。子任務(wù)1了解分類原理子任務(wù)2掌握圖像分類步驟及應(yīng)用任務(wù)2理解分類問題子任務(wù)1了解分類原理圖像分類是以圖像的像素關(guān)聯(lián)信息為基礎(chǔ)，通過計算機(jī)獲取圖像的特征之后進(jìn)行歸納，然后分類識別的過程。圖像分類問題的原理是根據(jù)已經(jīng)帶有類別標(biāo)簽的圖像數(shù)據(jù)集，對待分類圖像進(jìn)行歸類，從已有類別集合中得到待分類圖像標(biāo)簽，最終確定待分類圖像歸屬類別的過程。任務(wù)2理解分類問題子任務(wù)1了解分類原理如圖2-8所示，將水果圖片進(jìn)行分類，利用計算機(jī)從類別標(biāo)簽集合中找到水果對應(yīng)的類別。該過程看起來比較簡單，是因為人類的視覺系統(tǒng)能直接將眼睛獲得的圖像信息進(jìn)行語義的轉(zhuǎn)化。任務(wù)2理解分類問題子任務(wù)1了解分類原理但對于計算機(jī)來說，卻是計算機(jī)視覺領(lǐng)城研究的關(guān)鍵問題之一，計算機(jī)視覺領(lǐng)域中的目標(biāo)檢測、圖像分割、動態(tài)跟蹤、人體分析、人臉識別等高層視覺分析都是以圖像分類操作為基礎(chǔ)。機(jī)器學(xué)習(xí)中圖像分類通常采用基于數(shù)據(jù)驅(qū)動的方法。該方法的原理是從計算機(jī)讀入大量數(shù)據(jù)，然后讓計算機(jī)學(xué)習(xí)數(shù)據(jù)的屬性，最終學(xué)到每一類的特征。任務(wù)2理解分類問題子任務(wù)2掌握圖像分類步驟及應(yīng)用圖像分類是分類問題的一個分支，一般包含三個步驟：①輸人數(shù)據(jù)：向分類模型輸入包含N個圖像的集合，其中每個圖像的標(biāo)簽是K種分類標(biāo)簽中的一種。這個集合稱為訓(xùn)練集。②學(xué)習(xí)過程：使用訓(xùn)練集來學(xué)習(xí)每個類的特征。也稱該過程為訓(xùn)練分類器模型。任務(wù)2理解分類問題子任務(wù)2掌握圖像分類步驟及應(yīng)用③評價過程：利用訓(xùn)練好的分類器來預(yù)測它未曾見過的圖像數(shù)據(jù)集（也稱為測試集）的分類標(biāo)簽，并以此來評價分類器的質(zhì)量。如果預(yù)測的圖像標(biāo)簽的正確率達(dá)到一定的標(biāo)準(zhǔn)，就認(rèn)為這個分類模型訓(xùn)練成功，否則將進(jìn)行步驟②繼續(xù)學(xué)習(xí)，直到達(dá)到評價標(biāo)準(zhǔn)為止。任務(wù)3理解特征與標(biāo)記任務(wù)3理解特征與標(biāo)記特征是一事物異于其他事物的特點。通常我們通過物體的特征來區(qū)分物體的類別，這是最有效的方式。如圖2-8中的4張圖片，設(shè)想一下，采用什么樣的特征可以更好地區(qū)分它們呢？任務(wù)3理解特征與標(biāo)記如果用“是否為圓形”作為一個特征，可以區(qū)分香蕉和梨，也可以區(qū)分草莓和蘋果；如果再用“是否為紅色”作為第二個特征，就可以區(qū)分是草莓或蘋果還是香蕉和梨，如表2-1所示，這樣就可以準(zhǔn)確地區(qū)分這四張圖片所屬的類別了。任務(wù)3理解特征與標(biāo)記對于人類而言，只要看一次照片，這些特征就會被大腦獲取，“紅色”+“圓形”特征的圖片就是蘋果。但對于計算機(jī)而言，一幅圖片就是以某種特定格式存儲在存儲器的一串?dāng)?shù)據(jù)。讓計算機(jī)通過相關(guān)的一系列的計算，從這些數(shù)據(jù)中提取“是否為圓形”這樣的特征是非常困難的事情。任務(wù)3理解特征與標(biāo)記圖像的分類問題最終會回答哪一幅圖像屬于哪一個類別，也就是說，每個圖像都有自己所屬的類別，這個類別就是標(biāo)記，也稱為標(biāo)簽。如表2-1中的蘋果、梨、香蕉等稱為標(biāo)記。訓(xùn)練分類模型所采用的訓(xùn)練數(shù)據(jù)集是帶有標(biāo)記的，而這個數(shù)據(jù)集需要人工標(biāo)記。只有帶有標(biāo)記的訓(xùn)練集才能被分類模型所學(xué)習(xí)，才能使用學(xué)到的“知識”判斷測試圖像類別。任務(wù)3理解特征與標(biāo)記數(shù)據(jù)標(biāo)記需要標(biāo)記員借助某種標(biāo)注工具，例如，使用labelme、lab