计算机视觉的机器学习

  • 5 分钟

使用筛选器将效果应用于图像的功能在图像处理任务中非常有用，例如，你可以使用图像编辑软件执行。 但是，计算机视觉的目标通常是从图像中提取含义或至少可作的见解;这需要创建经过训练以基于大量现有图像识别特征的机器学习模型。

小窍门

本单元假设你熟悉机器学习的基本原则，并且你对神经网络的深度学习有概念知识。 如果你不熟悉机器学习，请考虑完成 Microsoft Learn 上的 机器学习概念简介 模块。

卷积神经网络（CNN）

计算机视觉最常见的机器学习模型体系结构之一是一种 卷积神经网络（CNN），这是一种深度学习体系结构。 CNN 使用筛选器从图像中提取数值特征映射，然后将特征值馈送到深度学习模型中以生成标签预测。 例如，在 图像分类 方案中，标签表示图像的主要主题（换句话说，图像是什么？ 你可以使用不同类型的水果（如苹果、香蕉和橙色）的图像训练 CNN 模型，以便预测的标签是给定图像中的水果类型。

在 CNN 的 训练 过程中，筛选器内核最初是使用随机生成的权重值定义的。 然后，随着训练过程的进展，模型预测根据已知标签值进行评估，并调整筛选器权重以提高准确性。 最终，经过训练的水果图像分类模型使用筛选器权重，以最好地提取有助于识别不同类型的水果的特征。

下图演示了图像分类模型的 CNN 的工作原理：

卷积神经网络的关系图。

  1. 具有已知标签的图像（例如，0：苹果、1：香蕉或 2：橙色）将馈送到网络中以训练模型。
  2. 一个或多个滤波器层用于在图像通过网络时提取每个图像的特征。 筛选器内核以随机分配的权重开头，并生成 特征映射的数值数组。
  3. 特征映射被展平为一维特征值数组。
  4. 特征值将馈送到完全连接的神经网络中。
  5. 神经网络的输出层使用 softmax 或类似函数生成包含每个可能类的概率值的结果，例如 [0.2， 0.5， 0.3]。

在训练过程中，输出概率与实际类标签进行比较 ，例如，香蕉（类 1）的图像应具有值 [0.0， 1.0， 0.0]。 预测和实际类分数之间的差异用于计算模型中的 损失，然后修改完全连接的神经网络中的权重和特征提取层中的过滤器核，以减少损失。

训练过程重复多次 迭代，直到获得最佳权重集。 然后，保存权重，模型可用于预测标签未知的新图像的标签。

注释

CNN 体系结构通常包括多个卷积滤波器层和其他层，以减少特征映射的大小、约束提取的值，以及其他方式处理特征值。 本简化的示例中省略了这些层，重点介绍关键概念，即筛选器用于从图像中提取数字特征，然后用于神经网络来预测图像标签。

接下来，让我们了解这些概念如何支持计算机视觉任务。