从系列:深度学习介绍
Shyamal Patel MathWorks
在这个MATLAB中探索深度学习的基础®技术谈话。您将了解为什么深入学习变得如此受欢迎,并走过3个概念:深入学习是什么,如何在现实世界中使用,以及如何开始。
深度学习是一种机器学习技术,可直接从数据学习功能和任务。该数据可以包括图像,文本或声音。视频使用示例图像识别问题来说明深度学习算法如何学习将输入图像分类为适当的类别。最后,视频探讨了过去五年深入学习在普及中飙升的三个原因。
了解有关使用MATLAB的更多信息深度学习。
记录:2017年3月24日
深深的学习最近和充分理由得到了很多关注。它在计算机视觉和自然语言处理等领域产生了很大影响。在此视频系列中,我们将帮助您了解为什么它变得如此受欢迎和解决三个关键概念。什么是深入学习?它如何在现实世界中使用?你如何开始?
那么深度学习是什么?深度学习是一种机器学习技术,可直接从数据学习功能和任务。数据可以是图像,文本或声音。在此视频中,我将使用图像,但这些概念也可用于其他类型的数据。深度学习通常被称为最终学习。
让我们来看一个例子。假设我有一组图像,我想识别每个图像所属的对象类别:汽车、卡车或船只。我从一组标记好的图像或训练数据开始。标签对应于任务的期望输出。
深度学习算法需要这些标签,因为它们告诉算法图像中的特定特征和对象。深度学习算法然后学习如何将输入图像分类到所需的类别。我们之所以使用端到端学习这个术语,是因为任务是直接从数据中学习的。
另一个例子是机器人学习如何控制手臂的运动来捡起一个特定的物体。在这种情况下,学习的任务是如何拿起一个物体,给定一个输入图像。如今,许多用于深度学习的技术已经存在了几十年。例如,自上世纪90年代以来,深度学习就被用于识别邮件服务中的手写邮政编码。
深度学习的使用在过去五年中激增,主要是由于三个因素。首先,深度学习方法现在在图像分类方面比人们更准确。第二,gpu使我们能够在更短的时间内训练深度网络。最后,在过去几年里,深度学习所需的大量标记数据已经可以访问。
最深入的学习方法使用神经网络架构。这就是为什么您经常听到被称为深度神经网络的深度学习模型。一种流行的深神经网络被称为卷积神经网络,或CNN。CNN特别适用于使用图像数据。
深度这个术语通常指的是神经网络中隐藏层的数量。传统的神经网络只有两到三层隐藏层,而最近的一些深层网络有多达150层。
因此,现在您了解这些关键的深度学习概念,这里有一些例子可以尝试使用Matlab:将对象识别或分类为类别,如这里所见,深网络在我的桌子上分类对象;在图像中检测或定位感兴趣的对象,如在此示例中,我们使用深度学习来检测图像的停止签名。
我希望这篇概述对您有所帮助。欲了解更多信息,请访问我们的网站mathworks.com/deep-learning。
你也可以从以下列表中选择一个网站:
请选择表现最佳的中国网站(中文或英文)。MathWorks的其他国家网站并没有针对您所在位置的访问进行优化。