深度學(xué)習(xí)-cdd視覺檢測設(shè)備
背景介紹:深度學(xué)習(xí)是近年來cdd視覺檢測研究的熱門話題。深度學(xué)習(xí)的靈感來自神經(jīng)學(xué),模擬人腦的認(rèn)知和表達(dá)過程,并通過低級信號到高級特征的功能映射,構(gòu)建學(xué)習(xí)數(shù)據(jù)中隱式關(guān)系的邏輯層次模型。與一般的淺層機(jī)器學(xué)習(xí)方法相比,深度學(xué)習(xí)具有多隱層結(jié)構(gòu),更適合大數(shù)據(jù)。
傳統(tǒng)的圖像處理只是處理單個(gè)或幾個(gè)數(shù)字圖像。在當(dāng)今信息爆炸的時(shí)代,圖像處理涉及更多的視頻分析(圖像流),每個(gè)圖像可能有幾個(gè)具有100,000像素,一個(gè)光學(xué)圖像篩選機(jī)和一個(gè)包含數(shù)百或數(shù)千個(gè)圖像的多幀視頻,數(shù)據(jù)量與其他行業(yè)的“大數(shù)據(jù)”相當(dāng)。傳統(tǒng)的圖像對象分類和檢測算法和策略難以滿足圖像視頻大數(shù)據(jù)在處理效率,性能和智能方面的要求。深度學(xué)習(xí)通過模擬類似于人類大腦的層次結(jié)構(gòu)來建立從低級信號到高級語義的映射,以實(shí)現(xiàn)數(shù)據(jù)的分層表示,具有強(qiáng)大的視覺信息處理能力。因此,在機(jī)器視覺領(lǐng)域,深度學(xué)習(xí)的代表 - 體積卷積神經(jīng)網(wǎng)絡(luò)(CNN)被廣泛使用。
在20世紀(jì)60年代,當(dāng)Hubel和Wiesel研究貓的大腦皮層神經(jīng)元的局部敏感和定向選擇時(shí),他們發(fā)現(xiàn)它們獨(dú)特的網(wǎng)絡(luò)結(jié)構(gòu)可以有效地降低反饋神經(jīng)網(wǎng)絡(luò)的復(fù)雜性,然后提出卷積神經(jīng)網(wǎng)絡(luò)(CNN) )。如今,CNN已成為許多科學(xué)領(lǐng)域的研究熱點(diǎn)之一,特別是在模式分類領(lǐng)域。由于網(wǎng)絡(luò)避免了復(fù)雜的圖像預(yù)處理,因此可以直接輸入原始圖像,因此得到了廣泛的應(yīng)用。實(shí)質(zhì)上,CNN是一種多層的Hubel-Wiesel結(jié)構(gòu),通過模仿細(xì)胞視覺信息的處理來構(gòu)建。
文章內(nèi)容來源于網(wǎng)絡(luò),有不當(dāng)之處請聯(lián)系我司調(diào)整。