1 深度学习：图像搜索
可视化商品推荐
我想买双新鞋,但是
文本搜索不能帮助我们
2 神经网络
特征是机器学习的关键
目标 : 重新检视分类器,但是应用更复杂的非线性特征
图像分类
神经网络 : 学习"非常"非线性的特征
线性分类器
分类器的图表示 : 用于定义神经网络
线性分类器可以表示什么
线性分类器不能表示什么
解决 XOR 问题 : 添加一层
神经网络
3 深度学习在计算机视觉中的应用
图像特征
典型的局部探测器寻找图像中的局部兴趣点
有很多手动构造的特征被用于寻找兴趣点
典型图像分类方法
深度学习 : 自动学习特征
4 深度学习的性能
应用深度神经网络的结果示例
ImageNet2012竞赛 : 1.2M 张训练图像,1000种类别
5 计算机视觉中的深度学习
利用深度学习进行景物解析
检索相似图像
6 深度学习的挑战
深度学习工作流
深度学习的劣势
7 迁移学习
深度特征 : 深度学习 迁移学习
标准图像分类方法
迁移学习 : 应用一个任务的数据来帮助学习其他任务
神经网络学习了什么?
转换学习细节
注意分割点 : 后面的层有可能太特定于任务
应用深度特征的迁移学习工作流
深度特征的通用性有多强
8 深度学习总结
- 训练集 图像和相应的标签 通过深度学习经过特征提取进行反馈 使用简单的分类模型,求其特征权重进行性能度量以不断优化准确
可以学到
