《第一章》課件-2.1 機(jī)器感知與模式識別

2.1機(jī)器感知與模式識別目標(biāo)1、掌握什么是機(jī)器感知、模式識別2、掌握什么是機(jī)器學(xué)習(xí)、機(jī)器學(xué)習(xí)的類別3、掌握機(jī)器學(xué)習(xí)算法實(shí)現(xiàn)分類的方法4、了解基于深度學(xué)習(xí)的物品檢測方法重點(diǎn)1、機(jī)器學(xué)習(xí)的類別、各類的特點(diǎn)2、機(jī)器學(xué)習(xí)算法實(shí)現(xiàn)分類的方法難點(diǎn)1、機(jī)器學(xué)習(xí)算法實(shí)現(xiàn)分類的方法2、基于深度學(xué)習(xí)的物品檢測方法觀看視頻-波士頓動力機(jī)器狗人工智能體現(xiàn)在哪里？2.1.1機(jī)器感知人如何感知圖像？2.1.1機(jī)器感知機(jī)器感知：計(jì)算機(jī)直接“感覺”周圍世界，就像人一樣通過“感覺器官”直接從外界獲取信息，如通過視覺器官獲取圖形、圖像信息，通過聽覺器官獲取聲音信息。圖像識別人工設(shè)計(jì)圖像特征自動從圖像中學(xué)習(xí)有效的特征特征定義特征匹配2.1.2模式識別模式識別（PatternRecognition）：研究自然界中存在的大量模式規(guī)律的表達(dá)，對表征事物或現(xiàn)象的各種形式的信息進(jìn)行處理和分析，從而達(dá)到對事物或現(xiàn)象進(jìn)行描述、辨認(rèn)、分類和解釋的目的。模式識別系統(tǒng)組成：數(shù)據(jù)獲取模式分割預(yù)處理特征生成特征選擇模式分類后處理2.1.3機(jī)器學(xué)習(xí)機(jī)器學(xué)習(xí)（MachineLearning）：不同于模式識別中人類主動去描述某些特征給機(jī)器，機(jī)器從已知的經(jīng)驗(yàn)數(shù)據(jù)（樣本）中，通過某種特定的方法（算法），自己去尋找提煉（訓(xùn)練/學(xué)習(xí)）出一些規(guī)律（模型），提煉出的規(guī)律就可以用來判斷一些未知的事物/事情（預(yù)測）。人工智能（ArtificialIntelligenceAI）機(jī)器學(xué)習(xí)（MachineLearning）監(jiān)督式學(xué)習(xí)非監(jiān)督式學(xué)習(xí)半監(jiān)督式學(xué)習(xí)強(qiáng)化學(xué)習(xí)2.1.3機(jī)器學(xué)習(xí)監(jiān)督式學(xué)習(xí)是擁有一個輸入變量（自變量）和一個輸出變量（因變量），使用某種算法去學(xué)習(xí)從輸入到輸出之間的映射函數(shù)。萼片長度/厘米萼片寬度/厘米花瓣長度/厘米花瓣寬度/厘米類別5.13.51.40.2山鳶尾4.931.40.2山鳶尾4.73.21.30.2山鳶尾4.63.11.50.2山鳶尾73.24.71.4變色鳶尾6.43.24.51.5變色鳶尾6.93.14.91.5變色鳶尾5.52.341.3變色鳶尾……………2.1.3機(jī)器學(xué)習(xí)非監(jiān)督式學(xué)習(xí)指的是只有輸入變量，沒有相關(guān)的輸出變量。目標(biāo)是對數(shù)據(jù)中潛在的結(jié)構(gòu)和分布建模，以便對數(shù)據(jù)做進(jìn)一步的學(xué)習(xí)。相比于監(jiān)督式學(xué)習(xí)，非監(jiān)督式?jīng)]有確切的答案，學(xué)習(xí)過程也沒有監(jiān)督，通過算法的運(yùn)行去發(fā)現(xiàn)和表達(dá)數(shù)據(jù)中的結(jié)構(gòu)。半監(jiān)督式學(xué)習(xí)是一種監(jiān)督式學(xué)習(xí)與非監(jiān)督式學(xué)習(xí)相結(jié)合的一種學(xué)習(xí)方法。擁有大部分的輸入數(shù)據(jù)（自變量）和少部分的有標(biāo)簽數(shù)據(jù)（因變量）。強(qiáng)化學(xué)習(xí)：強(qiáng)化學(xué)習(xí)可以訓(xùn)練程序作出某一決定。程序在某一情況下嘗試所有可能的行動，記錄不同行動的結(jié)果并試著找出最好的一次嘗試來做決定。2.1.3機(jī)器學(xué)習(xí)【任務(wù)描述】：設(shè)計(jì)一個二分類器，實(shí)現(xiàn)對鳶尾花樣本數(shù)據(jù)庫中山鳶尾和變色鳶尾兩種類別的分類功能。步驟1：數(shù)據(jù)采集。步驟2：訓(xùn)練數(shù)據(jù)，求解參數(shù)。步驟3：測試數(shù)據(jù)，驗(yàn)證參數(shù)。萼片長度/厘米萼片寬度/厘米花瓣長度/厘米花瓣寬度/厘米類別5.13.51.40.2山鳶尾4.931.40.2山鳶尾4.73.21.30.2山鳶尾4.63.11.50.2山鳶尾73.24.71.4變色鳶尾6.43.24.51.5變色鳶尾6.93.14.91.5變色鳶尾5.52.341.3變色鳶尾……………2.1.4深度學(xué)習(xí)的物品檢測案例觀看視頻/talks/joseph_redmon_how_a_computer_learns_to_recognize_objects_instantly2.1.5深度學(xué)習(xí)的對抗攻擊被“終結(jié)者”鎖定了怎么辦？腦門貼張紙，“我不是人”！騙過FaceID！一幅炫彩的對抗圖畫，貼在肚子目標(biāo)檢測界的翹楚YOLOv2，不光看不出他們是人類，連那里有物體存在都發(fā)現(xiàn)不了優(yōu)秀的隱身衣2.1.5深度學(xué)習(xí)的對抗攻擊莫斯科國立大學(xué)和華為莫斯科研究院的科學(xué)家。他們的符上有特殊紋路，可以迷惑AI，這叫對抗攻擊。攻擊成本很低，符是普通的彩色打印機(jī)打出來的。畫符的算法已經(jīng)開源了，那大家都可以生成欺騙人臉識別AI的符了。這是一個“很容易復(fù)現(xiàn)(EasilyReproducible)”的方法，還不光對ArcFace這一只AI有效，可以遷移到其他AI上，騙無止境。說不定有一天，監(jiān)控系統(tǒng)對陌生人出沒，就沒有