《AI硬件與Pyhthon編程實(shí)踐》13卷積神經(jīng)網(wǎng)絡(luò)與圖像自動分類寫字字帖

卷積神經(jīng)網(wǎng)絡(luò)與

圖像自動分類人工智能開源硬件與python編程實(shí)踐情境導(dǎo)入2016年3月，阿爾法圍棋（AlphaGo）與圍棋世界冠軍、職業(yè)九段棋手李世石進(jìn)行圍棋人機(jī)大戰(zhàn)，以4比1的總比分獲勝。阿爾法圍棋是第一個(gè)擊敗人類職業(yè)圍棋選手、第一個(gè)戰(zhàn)勝圍棋世界冠軍的人工智能機(jī)器人，圍棋界公認(rèn)阿爾法圍棋的棋力已經(jīng)超過人類職業(yè)圍棋頂尖水平，其主要工作原理是“深度學(xué)習(xí)”。任務(wù)與目標(biāo)了解幾種典型的卷積神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)和應(yīng)用方法；了解CIFAR-10網(wǎng)絡(luò)的模型結(jié)構(gòu)、加載調(diào)用和編程應(yīng)用方法；了解運(yùn)用人工智能開源硬件和OpenAIEPython庫設(shè)計(jì)圖像分類系統(tǒng)的方法；運(yùn)用人工智能開源硬件和Python編程，編寫和調(diào)試初步的圖像分類應(yīng)用程序。知識拓展：卷積神經(jīng)網(wǎng)絡(luò)經(jīng)典模型

LeNetAlexNetZFNetGooLeNetVGGNet知識拓展：深度學(xué)習(xí)開源開發(fā)框架TensorflowTensorflow是GoogleBrainu團(tuán)隊(duì)針對機(jī)器學(xué)習(xí)和深度神經(jīng)網(wǎng)絡(luò)而開發(fā)，使用數(shù)據(jù)流圖（DataFlowGraph）的形式進(jìn)行計(jì)算。圖中的節(jié)點(diǎn)代表數(shù)學(xué)運(yùn)算，而圖中的線條表示多維數(shù)組（tensor）之間的交互。CaffeCaffe是一個(gè)清晰、高效的深度學(xué)習(xí)框架，核心語言是C++，支持命令行、Python和MATLAB接口PyTorchPyTorch非常Python化，可以在PyTorch模型中任意添加pdb斷點(diǎn)，調(diào)試方便。PyTorch靈活易用、API接口設(shè)計(jì)合理簡潔。PaddlePaddle是百度研發(fā)的開源開放的深度學(xué)習(xí)平臺，是國內(nèi)最早開源、也是當(dāng)前唯一一個(gè)功能完備的深度學(xué)習(xí)平臺。知識拓展：AlexNet模型

Alex在2012年提出的alexnet網(wǎng)絡(luò)結(jié)構(gòu)模型開啟了神經(jīng)網(wǎng)絡(luò)的應(yīng)用熱潮，并贏得了2012屆圖像識別大賽的冠軍，使得CNN成為在圖像分類上的核心算法模型；Input輸入層；卷積層；池化層；全連接層；輸出層設(shè)計(jì)與實(shí)踐CIFAR-10模型結(jié)構(gòu)cifar10網(wǎng)絡(luò)模型的加載圖像分類識別編程及實(shí)現(xiàn)CIFAR-10模型結(jié)構(gòu)

CIFAR-10模型是利用CIFAR-10數(shù)據(jù)集訓(xùn)練出來的具有10分類能力的CNN網(wǎng)絡(luò)，科院分類識別飛機(jī)、汽車、鳥、貓、鹿、狗、青蛙、馬、船以及卡車等10個(gè)類別物體。CIFAR-10模型結(jié)構(gòu)除了最頂部的幾層外，基本跟AlexNet模型一致。模型是一個(gè)多層架構(gòu)，由卷積層和非線性層(nonlinearities)交替多次排列后構(gòu)成。這些層最終通過全連通層對接到softmax分類器上。cifar10網(wǎng)絡(luò)模型的加載#加載cifar10網(wǎng)絡(luò)。#更快，更小，更準(zhǔn)確。net=nn.load('/cifar10_work')labels=['airplane','automobile','bird','cat','deer','dog','frog','horse','ship','truck']圖像分類識別OpenAIE內(nèi)嵌庫中有net.search(image[,roi[,threshold=0.6[,min_scale=1.0[,scale_mul=0.5[,x_overlap=0[,y_overlap=0[,contrast_threshold=1[,softmax=False]]]]]]]])方法，用來以滑動窗口方式在圖像roi上運(yùn)行神經(jīng)網(wǎng)絡(luò)。網(wǎng)絡(luò)檢測器窗口以多種比例滑過圖像。返回神經(jīng)網(wǎng)絡(luò)檢測結(jié)果的nn_class對象列表。

圖像分類識別編程基于cifar10網(wǎng)絡(luò)模型，利用net.search對象實(shí)現(xiàn)圖像分類識別的Python代碼如下：

forobjinnet.search(img,threshold=0.6,min_scale=0.5,scale_mul=0.5,\x_overlap=0.5,y_overlap=0.5,contrast_threshold=0.5):img.draw_rectangle(obj.rect(),color=(255,0,0))系統(tǒng)編程及實(shí)現(xiàn)

利用cifar10卷積神經(jīng)網(wǎng)絡(luò)模型，能夠快速檢測出圖像中存在的10種目標(biāo)物體：分析與思考結(jié)合本編程實(shí)踐進(jìn)行思考：如果將本項(xiàng)目改造成校園植物園的花草識別系統(tǒng)，存在哪些困難？應(yīng)該如何進(jìn)行改造設(shè)計(jì)？借鑒本項(xiàng)目介紹的理論、方法和例程，如