人工智能基礎(chǔ) 課件 第6章 自然語言處理與計(jì)算機(jī)視覺

第6章自然語言處理與計(jì)算機(jī)視覺任務(wù)1：使用序列到序列模型完成數(shù)字加法任務(wù)2：基于圖片相似度的圖片搜索自然語言處理基于LSTM的Seq2Seq模型計(jì)算機(jī)視覺圖片搜索技術(shù)任務(wù)1：使用序列到序列模型完成數(shù)字加法1自然語言處理基于LSTM的Seq2Seq模型自然語言處理自然語言處理（NaturalLanguageProcessing，簡稱NLP）是一門融語言學(xué)、計(jì)算機(jī)科學(xué)、數(shù)學(xué)于一體的科學(xué)，旨在讓計(jì)算機(jī)能夠理解、解釋和生成人類語言。它通過模擬人類的語言理解和分析能力，實(shí)現(xiàn)人機(jī)交互、信息提取、語義分析等多種任務(wù)。其核心包括文本預(yù)處理、詞嵌入、句法分析、語義分析和文本生成等關(guān)鍵技術(shù)。自然語言處理自然語言處理技術(shù)在多個(gè)領(lǐng)域有廣泛應(yīng)用搜索引擎：當(dāng)我們?cè)诎俣?、谷歌等搜索引擎中輸入“適合初學(xué)者的編程語言”，搜索引擎利用自然語言處理技術(shù)分析語義，關(guān)聯(lián)相關(guān)信息，快速從海量網(wǎng)頁中篩選出最匹配的內(nèi)容，提供給我們包含Python、Java等多種編程語言介紹及學(xué)習(xí)資源的結(jié)果。機(jī)器翻譯：實(shí)現(xiàn)不同語言間的翻譯，像出國旅行時(shí)，使用有道翻譯、百度翻譯等APP，對(duì)著手機(jī)說出中文，就能即時(shí)獲得外語翻譯結(jié)果，無論是問路、點(diǎn)菜還是購物交流，都變得輕松便捷。情感分析：分析文本中的情感傾向，電商平臺(tái)通過分析用戶對(duì)商品的評(píng)價(jià)，能迅速了解用戶滿意度，例如當(dāng)大量用戶在評(píng)價(jià)中提到某款手機(jī)“拍照模糊”，企業(yè)就可以針對(duì)性地改進(jìn)攝像頭配置。自然語言處理自然語言處理技術(shù)在多個(gè)領(lǐng)域有廣泛應(yīng)用聊天機(jī)器人：在很多電商平臺(tái)，當(dāng)用戶咨詢商品信息時(shí)，智能客服機(jī)器人能快速響應(yīng)，解答常見問題，像“這款衣服有哪些尺碼？”“商品什么時(shí)候發(fā)貨？”，節(jié)省了用戶等待時(shí)間，也降低了企業(yè)的人力成本。語音助手：蘋果的Siri、小米的小愛同學(xué)等，我們可以通過語音指令讓它們完成各種任務(wù)，如查詢天氣（“明天天氣怎么樣？”）、設(shè)置提醒（“提醒我明天上午10點(diǎn)開會(huì)”）、播放音樂（“播放周杰倫的歌曲”）等，實(shí)現(xiàn)便捷的生活和工作輔助。智能投顧：金融機(jī)構(gòu)利用自然語言處理技術(shù)，理解客戶的投資需求和風(fēng)險(xiǎn)偏好描述。例如客戶表達(dá)“我想在低風(fēng)險(xiǎn)的情況下獲得一定的資產(chǎn)增值”，智能投顧系統(tǒng)可以據(jù)此為客戶推薦合適的理財(cái)產(chǎn)品和投資組合。自然語言處理近年來，深度學(xué)習(xí)技術(shù)在自然語言處理領(lǐng)域取得了巨大的成功。深度學(xué)習(xí)方法通過構(gòu)建深度神經(jīng)網(wǎng)絡(luò)模型，能夠自動(dòng)學(xué)習(xí)文本中的深層特征表示，從而實(shí)現(xiàn)對(duì)自然語言更精確的理解和處理。常見的深度學(xué)習(xí)方法包括循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)、長短時(shí)記憶網(wǎng)絡(luò)(LSTM)等?；贚STM的Seq2Seq模型自然語言處理是人工智能領(lǐng)域的一個(gè)重要分支，而序列到序列（Seq2Seq）模型則成為了NLP領(lǐng)域的新標(biāo)桿。Seq2Seq模型通過將一個(gè)序列轉(zhuǎn)換成另一個(gè)序列，實(shí)現(xiàn)了機(jī)器翻譯、對(duì)話生成、摘要提取等任務(wù)。基于LSTM的Seq2Seq模型Seq2Seq模型由編碼器（Encoder）和解碼器（Decoder）組成，通過將輸入序列編碼成一個(gè)向量表示，然后再將這個(gè)向量解碼成目標(biāo)序列。編碼器使用循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）或者長短時(shí)記憶網(wǎng)絡(luò)（LSTM）、門控循環(huán)單元（GRU）對(duì)輸入序列進(jìn)行建模，得到上下文信息；解碼器則利用編碼器輸出的上下文信息生成目標(biāo)序列。基于LSTM的Seq2Seq模型本任務(wù)中將使用一個(gè)簡單的基于LSTM的Seq2Seq模型，該模型一共有如下4個(gè)主要的網(wǎng)絡(luò)層。（1）嵌入層(Embedding)：將輸入的文本序列轉(zhuǎn)為嵌入向量。（2）編碼層(LSTM)：將嵌入向量進(jìn)行編碼。（3）解碼層(LSTM)：將編碼向量進(jìn)行解碼。（4）全連接層(Linear)：對(duì)解碼完成的向量進(jìn)行線性映射。基于LSTM的Seq2Seq模型本任務(wù)目標(biāo)：在百度AIStudio平臺(tái)，完成一個(gè)數(shù)字加法任務(wù)，使用飛槳提供的LSTM，組建一個(gè)序列到序列模型，并在隨機(jī)生成的數(shù)據(jù)集上完成數(shù)字加法任務(wù)的模型訓(xùn)練與預(yù)測。第6章自然語言處理與計(jì)算機(jī)視覺第6章自然語言處理與計(jì)算機(jī)視覺任務(wù)1：使用序列到序列模型完成數(shù)字加法任務(wù)2：基于圖片相似度的圖片搜索自然語言處理基于LSTM的Seq2Seq模型計(jì)算機(jī)視覺圖片搜索技術(shù)2任務(wù)2：基于圖片相似度的圖片搜索計(jì)算機(jī)視覺圖片搜索技術(shù)計(jì)算機(jī)視覺計(jì)算機(jī)視覺（ComputerVision，CV）是一個(gè)跨學(xué)科的領(lǐng)域，旨在使計(jì)算機(jī)和系統(tǒng)能夠從圖像或多維數(shù)據(jù)中“理解”世界。它涉及從圖像中提取信息、分析和理解視覺數(shù)據(jù)，以實(shí)現(xiàn)自動(dòng)化和智能化操作。計(jì)算機(jī)視覺一直是人工智能領(lǐng)域的研究熱點(diǎn)，而深度學(xué)習(xí)的出現(xiàn)為其帶來了前所未有的創(chuàng)新與突破。計(jì)算機(jī)視覺計(jì)算機(jī)視覺的應(yīng)用場景1.農(nóng)業(yè)領(lǐng)域果實(shí)采摘：農(nóng)業(yè)機(jī)器人可以利用計(jì)算機(jī)視覺技術(shù)識(shí)別果實(shí)的位置、成熟度等信息，實(shí)現(xiàn)自動(dòng)采摘，提高農(nóng)業(yè)生產(chǎn)的自動(dòng)化水平，降低人力成本。2.交通領(lǐng)域違章監(jiān)測：通過安裝在道路上的攝像頭，計(jì)算機(jī)視覺系統(tǒng)可以識(shí)別車輛的車牌號(hào)碼、行駛軌跡、速度等信息，實(shí)現(xiàn)對(duì)闖紅燈、超速、違規(guī)變道等交通違法行為的自動(dòng)監(jiān)測和抓拍。計(jì)算機(jī)視覺計(jì)算機(jī)視覺的應(yīng)用場景3.科學(xué)領(lǐng)域科學(xué)研究：在生物學(xué)、天文學(xué)等領(lǐng)域，用于分析圖像和視頻數(shù)據(jù)，如分析生物細(xì)胞圖像、天文觀測圖像等，幫助科研人員進(jìn)行科學(xué)發(fā)現(xiàn)和研究。4.教育領(lǐng)域智能閱卷：能夠識(shí)別和分析學(xué)生的答題卡和試卷，自動(dòng)判斷答案的對(duì)錯(cuò)并進(jìn)行評(píng)分，提高閱卷效率和準(zhǔn)確性。計(jì)算機(jī)視覺計(jì)算機(jī)視覺的應(yīng)用場景5.傳媒娛樂領(lǐng)域影視特效制作：在電影、電視劇等影視作品的制作中，計(jì)算機(jī)視覺技術(shù)用于場景重建、虛擬角色創(chuàng)建和融合等方面。如《阿凡達(dá)》中的潘多拉星球和各種外星生物，通過計(jì)算機(jī)視覺與其他技術(shù)的結(jié)合，創(chuàng)造出了令人震撼的視覺效果。6.金融領(lǐng)域遠(yuǎn)程開戶：用戶在進(jìn)行遠(yuǎn)程開戶時(shí)，計(jì)算機(jī)視覺技術(shù)可以通過攝像頭采集用戶的面部圖像，進(jìn)行人臉識(shí)別和身份驗(yàn)證，確保開戶人身份的真實(shí)性。計(jì)算機(jī)視覺深度學(xué)習(xí)模型，特別是卷積神經(jīng)網(wǎng)絡(luò)（ConvolutionalNeuralNetwork，縮寫CNN）,在圖像識(shí)別、目標(biāo)檢測、圖像分割等任務(wù)中展現(xiàn)出了卓越的性能，推動(dòng)了計(jì)算機(jī)視覺技術(shù)的快速發(fā)展。卷積神經(jīng)網(wǎng)絡(luò)是一種專門為處理具有網(wǎng)格結(jié)構(gòu)數(shù)據(jù)（如圖像）而設(shè)計(jì)的深度學(xué)習(xí)模型，通過卷積層、池化層和全連接層等組件，自動(dòng)提取數(shù)據(jù)的特征。圖片搜索技術(shù)基于圖片相似度的圖片搜索是一種利用計(jì)算機(jī)視覺和深度學(xué)習(xí)技術(shù)來識(shí)別和檢索相似圖片的技術(shù)。廣泛應(yīng)用于圖像搜索、相似商品推薦、圖像分類等領(lǐng)域，提升了用戶體驗(yàn)和檢索效率。圖片搜索技術(shù)圖片搜索的基本思路和步驟:1.圖片特征提取使用卷積神經(jīng)網(wǎng)絡(luò)（CNN）對(duì)輸入的圖片進(jìn)行處理，將其轉(zhuǎn)換為高維空間的向量表示。這個(gè)過程通常包括：（1）預(yù)處理：對(duì)圖片進(jìn)行縮放、歸一化等操作，以使其適應(yīng)網(wǎng)絡(luò)的輸入要求。（2）特征提?。和ㄟ^經(jīng)過訓(xùn)練的CNN模型提取圖片的特征向量。這個(gè)特征向量能夠捕捉圖片中的重要信息，如形狀、顏色和紋理等。2.相似度計(jì)算對(duì)兩張圖片的高維特征向量進(jìn)行相似度計(jì)算。使用余弦相似度來衡量它們之間的相似程度。余弦相似度的計(jì)算公式為：

其中A

和B

是兩張圖片的特征向量。圖片搜索技術(shù)圖片搜索的基本思路和步驟:3.模型訓(xùn)練在訓(xùn)練階段，其目標(biāo)是讓同一類別的圖片特征向量之間的余弦相似度盡可能高，而不同類別的圖片特征向量之間的相似度盡可能低。4.模型預(yù)測在用戶上傳新圖片后，系統(tǒng)會(huì)：（1）提取該圖片的特征向量。（2）計(jì)算該特征向量與圖片庫中所有圖片特征向量的余弦相似度。（3）根據(jù)相似度排序，返回與用戶上傳的圖片最相似的圖片列表。圖片搜索技術(shù)圖片搜索技術(shù)的應(yīng)用場景：利用深度學(xué)習(xí)技術(shù)提升了特征提取和相似度計(jì)算的效率和準(zhǔn)確性。（1）電商平臺(tái)：根據(jù)用戶上傳商品圖片，推薦相似商品。（