科技老丁哥

前面我们讲解过单层神经网络模型，发现它结构简单，难以解决一些实际的比较复杂的问题，故而现在发展出了深度神经网络模型。 深度神经网络的深度主要表现在隐含层的层数上，前面的单层神经网络只有一个隐含层，而深度神经网络使用>=2个隐含层。其基本结构为： 图中有两个隐含层，分别是酱色的圆…

前面我们介绍了神经网络的基本结构单元-感知器，现在我们再升一级，看看神经网络的基本结构和训练方法。 1. 单层神经网络 单层神经网络由一个层次中的多个神经元组成，总体来看，单层神经网络的结构是：一个输入层，一个隐含层，一个输出层。如下为结构示意图。 图中描述的是前向网络，但其反…

在人工智能领域，深度学习已经脱颖而出，越来越成为大型复杂问题的首选解决方案。深度学习相对传统机器学习的区别主要在于，使用模拟人类大脑的神经网络来构建模型。早期的浅层次神经网络也可以认为是机器学习领域的一个分支，但是目前，由于神经网络的层次不断加深，参数越来越复杂，能够的解决实际…

在我前面的博文【火炉炼AI】机器学习052-OpenCV构建人脸鼻子眼睛检测器中，讲到了人脸检测的方法和代码实现，但在很多实际场合，我们需要做的是人脸识别，即判断图片中的那张脸是张三还是李四，故而本篇文章我们来看看如何使用LBP直方图来建立一个人脸识别器。 1. 局部二值模式简…

盲源分离是指在信号的理论模型和源信号无法精确获知的情况下，如何从混叠信号中分离出各源信号的过程。盲源分离的目的是求得源信号的最佳估计。说的通俗一点，就相当于，假如有十个人同时说话，我用录音机把他们说的话都录下来，得到的肯定是10种声音的混杂，那么怎么将这种混杂声音分离成单个人的…

主成分分析（Principal Component Analysis, PCA)可以说是数据降维的绝招，不仅在人口统计学，数量地理学，分子动力学模拟，数学建模等领域有着重要的应用，而且在机器学习领域，PCA也是非常常用的一种数据降维方法。 首先来理解什么叫数据降维：假设有一个项…

有两个重要的概念需要澄清一下：人脸检测：是指检测图像或视频中是否存在人脸，以及定位人脸的具体位置，人脸识别：确定图像或视频中的人脸是张三还是李四还是其他某人。故而人脸检测是人脸识别的基础和前提条件。 在这一章我们来学习如何用OpenCV构建人脸检测器，鼻子检测器和眼睛检测器。 …

视觉词袋模型（Bag Of Visual Words，BOVW）来源于自然语言处理中的词袋模型（Bag Of Words， BOW），关于词袋模型，可以参考我的博文【火炉炼AI】机器学习038-NLP创建词袋模型.在NLP中，BOW的核心思想是将一个文档当做一个袋子，里面装着各…

对于图像的特征点，前面我们讨论过边缘检测方法，Harris角点检测算法等，这些检测算法检测的都是图像的轮廓边缘，而不是内部细节，如果要进一步提取图像内部细节方面的特征，需要用到SIFT特征提取器和Star特征提取器。上一篇我们讲解了SIFT特征提取器，下面我们来介绍Star特征…