从系列:深度学习导论
Shyamal帕特尔,MathWorks公司
探索深度学习的基本面在这个MATLAB®技术讨论。您将了解为什么深度学习如此受欢迎,并了解3个概念:什么是深度学习,如何在现实世界中使用它,以及如何开始。
深度学习是一种直接从数据中学习特征和任务的机器学习技术。这些数据可以包括图像、文本或声音。本视频以一个图像识别问题为例,说明深度学习算法如何学习将输入图像分类到适当的类别。最后,这段视频探讨了为什么深度学习在过去五年中越来越受欢迎的三个原因。
学习更多关于使用MATLAB的知识深度学习。
记录:2017年3月24日
最近,深度学习得到了很多关注,这是有原因的。它在计算机视觉和自然语言处理等领域产生了巨大的影响。在本系列视频中,我们将帮助您理解为什么它变得如此流行,并介绍三个关键概念。什么是深度学习?它在现实世界中是如何使用的?如何开始呢?
那么,什么是深度学习?深度学习是一种直接从数据中学习特征和任务的机器学习技术。数据可以通过图片,文字或声音。在这部影片中,我将使用的图像,但这些概念可用于其他类型的数据了。深学习常常被称为终端到终端的学习。
因此,让我们来看看一个例子。说我有一组图片,我要承认每个图像属于哪个对象类别:汽车,卡车,或船只。我开始用标记组图像或训练数据。标签对应于任务的所期望的输出。
深学习算法需要这些标签,他们讲述了图像中的特定功能和对象的算法。深学习算法,然后学习如何输入图像归类到所需的类别。我们用术语终端到终端的学习,因为任务是从数据直接了解到。
另一个例子是一种机器人学习如何控制其臂的移动,以拾取的特定对象。在这种情况下,所学的任务是如何拿起一个对象,通过在输入图像。许多这些技术在深度学习现今使用已经存在了几十年。例如,深度学习已被用来识别自上世纪九十年代邮件服务手写邮政编码。
使用深度学习的激增,在过去的五年里,主要是由于三个因素。首先,深度学习方法现在是比人的图像分类更准确。二,图形处理器使我们现在在较短时间内培养深厚的网络。最后,大量的深学习所需的标签数据已经成为过去的几年里访问。
最深刻的学习方法使用神经网络结构。这就是为什么你经常听到的深度学习模式被称为深层神经网络。一种普及型的深的神经网络被称为卷积神经网络,或CNN。甲CNN尤其适合用于与图像数据的工作。
术语深通常是指在神经网络中隐藏层的数量。虽然传统的神经网络仅包含两个或三个隐藏层,最近的一些深层的网络有多达150层。
现在你理解了这些关键的深度学习概念,这里有一些例子,你可以用MATLAB来尝试:识别或分类对象到类别中,就像这里看到的,一个深度网络分类在我的桌子上的对象;检测或定位图像中感兴趣的对象,就像在这个例子中,我们使用深度学习来检测图像中的停止标志。
我希望您发现本概述很有帮助。要了解更多信息,请访问我们的网站mathworks.com/deep-learning。
您还可以选择从下面的列表中的网站:
选择最佳的网站性能的中国网站(在中国或英文)。其他MathWorks的国家网站都没有从您的位置访问进行了优化。