企业官网建设流程全解析

做二手车网站需要什么手续费,手机制作网页链接的软件,友情链接交易平台源码,网站收缩栏核心比喻#xff1a;超级快速的“看图说话”游戏想象一下#xff0c;你正在和一个反应极快的朋友玩一个游戏#xff1a;游戏规则#xff1a;你快速翻动手机相册里的照片#xff0c;每张照片只给他看 0.1秒他必须立刻喊出照片里最主要的东西是什么只能说一个最确定的答案一…核心比喻超级快速的“看图说话”游戏想象一下你正在和一个反应极快的朋友玩一个游戏游戏规则你快速翻动手机相册里的照片每张照片只给他看0.1秒他必须立刻喊出照片里最主要的东西是什么只能说一个最确定的答案一个具体的游戏过程你翻到的照片是照片内容你朋友喊出的答案一张萨摩耶犬的照片“狗”一张吉娃娃犬的照片“狗”一张橘猫的照片“猫”一张布偶猫的照片“猫”一张有猫有狗有人的照片“人”因为人占据了最显眼的位置图像分类的本质就是这个游戏给计算机一张图片让它用最快的速度说出这张图片“是什么”。详细拆解图像分类到底在做什么第一步把“看”变成数字计算机看不懂图片它只能理解数字。所以一张猫咪照片 → 转换成 → 一个巨大的数字矩阵比如一张3x3像素的极简猫脸图[ [255, 128, 0], # 白、灰、黑 [128, 0, 255], # 灰、黑、白 [0, 255, 128] ] # 黑、白、灰实际图片是几百×几百的矩阵这里只是示意第二步寻找“特征指纹”计算机像侦探一样寻找能区分不同类别的“特征指纹”类别关键特征计算机视角猫尖耳朵、胡须纹理、竖瞳、脸型比例狗长鼻子、垂耳某些品种、嘴型汽车轮子形状、车窗线条、车灯对称性飞机机翼角度、机身长宽比、窗户排列第三步做出判断分类决策计算机看到新图片时会问自己“这个特征组合更像谁的指纹”新图片特征尖耳朵 胡须纹理 竖瞳 ↓ 匹配度计算 - 与“猫指纹库”匹配度92% - 与“狗指纹库”匹配度5% - 与“汽车指纹库”匹配度0.1% - 与“飞机指纹库”匹配度0.01% ↓ 最终答案“猫”因为92% 所有其他选项三种常见的分类场景场景1二分类最基础问题“这是猫吗”答案要么“是猫”要么“不是猫”应用垃圾邮件过滤是垃圾/不是垃圾、疾病筛查有病/没病输入 → 模型 → 输出概率猫(98%) → 最终判断是猫场景2多分类最经典问题“这是10种动物中的哪一种”答案猫、狗、鸟、鱼、马、牛、羊、虎、兔、猴 中的一个应用手写数字识别0-9、物体识别场景3多标签分类一张图多个标签问题“这张图里有哪些东西”答案可以有多个标签如[人 狗 草地 天空]应用照片自动标签、内容审核用“教小孩认动物”来理解训练过程假设我们要教一个3岁小孩认识“猫”和“狗”第1阶段准备教学材料收集100张清晰的猫照片每张都贴上“猫”的标签收集100张清晰的狗照片每张都贴上“狗”的标签这就是“带标签的数据集”第2阶段开始教学第一天你“看这是猫。”展示各种猫图小孩慢慢形成“猫”的印象第二天你“看这是狗。”展示各种狗图小孩开始区分猫和狗第三天小测验你展示一张新的猫图“这是什么”小孩犹豫“嗯……猫”你“对奖励一颗糖”第四天纠正错误你展示一只长得像猫的狗“这是什么”小孩自信“猫”你“不对这是狗。看它的长鼻子。”小孩哦更新自己的判断规则第3阶段毕业考试你拿出小孩从未见过的20张新图片10猫10狗小孩答对了18张 → 准确率90%教学成功计算机学习图像分类的过程几乎一模一样只是速度快百万倍。生活中的图像分类应用你每天都在使用图像分类技术只是可能没意识到1.手机相册智能分类你拍了几千张照片相册自动创建“人物”“宠物”“旅行”“食物”相册背后技术图像分类识别每张照片的主要内容2.扫一扫识物用淘宝拍一件衣服找到同款用百度拍一朵花知道花名背后技术实时图像分类 搜索引擎3.人脸解锁手机前置摄像头看到你的脸判断“这是不是机主的脸”本质一个二分类问题是机主/不是机主4.医学影像辅助诊断X光片输入系统判断“这片子显示有肺炎吗”帮助医生做快速初筛5.自动驾驶的第一步车载摄像头看到前方物体快速判断“那是行人车辆交通标志障碍物”必须在0.01秒内做出准确判断图像分类的“三个段位”青铜段位只看表面识别“苹果”和“橘子”主要靠颜色、形状等明显特征容易犯错把红苹果识别为“西红柿”白银段位看结构特征识别“猫”和“狗”需要理解耳朵形状、脸部比例等结构能区分相似的动物黄金段位看抽象语义识别“开心”和“悲伤”需要理解表情、场景的深层含义高级能力看懂情绪、关系、意图图像分类 vs. 图像分割重要区别还记得我们之前讲的分割吗这是它们的关键区别同一张“人在公园遛狗”的照片任务类型计算机的回答相当于图像分类“这是一张有人在公园的照片。”给整张照片贴一个总标签目标检测“这里有一个框框住了人那里有一个框框住了狗。”用框标出物体位置图像分割“这些像素是人那些像素是狗这些像素是草地那些像素是天空。”给每个像素单独贴标签一个更形象的比喻图像分类看班级合影说“这是三年级二班。”目标检测指着合影说“这是张三这是李四这是王五。”图像分割用不同颜色的笔精确描出合影中每个人的轮廓。让计算机学会分类的关键技术1.特征提取计算机的“眼睛”早期方法手工设计特征“猫有胡须所以找图片里的直线纹理”“车有轮子所以找圆形结构”现代方法深度学习自动学习特征让计算机自己从海量数据中发现规律它可能发现人类都没注意到的特征2.分类器计算机的“大脑”就像一个经验丰富的法官听取“特征证据”根据“训练经验”法律条文做出最终判决分类结果3.损失函数计算机的“错题本”每次分类错误就记上一笔“这张明明是猫我错认成了狗扣10分”通过减少“扣分”来改进自己一个完整的分类实例让我们看计算机如何识别“手写数字7”步骤1输入 [一张手写数字7的图片28x28像素] 步骤2特征提取 - 发现有一条长的斜线左上到右下 - 发现顶部有一条横线 - 没有闭合的圆圈所以不是8、6、9等 - 没有水平基线所以不是2 步骤3匹配比较 - 与“0”的特征匹配度2% - 与“1”的特征匹配度10%都有竖线但1没有横线 - 与“2”的特征匹配度30% - 与“7”的特征匹配度95% ← 最高 - 与其他数字匹配度10% 步骤4输出结果 “这是数字7置信度95%”总结图像分类的精华图像分类就是让计算机学会“一眼定乾坤”核心任务一张图片 → 一个最可能的类别标签关键特点快速通常只需几毫秒整图判断看全局给整体结论概率输出给出“有多大把握”的置信度就像资深拍卖师看一眼古董就喊出朝代老农看一眼云彩就知道会不会下雨妈妈听一声咳嗽就知道孩子是不是真病它是更复杂视觉任务的基础先要知道“有什么”才能进一步知道“在哪里”检测和“具体边界在哪”分割。下次当你用手机扫二维码、人脸解锁、或相册自动归类时就知道这背后有一个“超级识别师”正在以每秒数百张的速度玩着我们开头的那个“看图说话”游戏。