机器学习术语表：图片模型

本页面包含图片模型术语表术语。如需了解所有术语表术语，请点击此处。

答

增强现实

#image

一种技术，将计算机生成的图像叠加到用户现实世界的视角，从而提供复合视图。

B

边界框

#image

在图像中，矩形 (x, y) 的坐标位于某个相关区域（例如下图中的狗）周围。

C

卷积

#image

在数学中，随意是指两种函数的混合。在机器学习中，卷积混合使用卷积过滤器和输入矩阵来训练权重。

在机器学习中，“卷积”一词通常是指卷积运算或卷积层。

在没有卷积的情况下，机器学习算法需要学习大型张量中每个单元格的单独权重。例如，使用 2K x 2K 图片训练的机器学习算法将被迫查找 400 万个单独的权重。得益于卷积，机器学习算法只需找到卷积过滤器中每个单元格的权重，从而大大减少训练模型所需的内存。应用卷积过滤器时，只需将其复制到所有单元格中，使每个卷积都乘以过滤器。

卷积过滤器

#image

卷积运算中的两位演员之一。（另一个执行方是输入矩阵的一部分）。卷积过滤器是一种与输入矩阵具有相同秩的矩阵，但其形状较小。 例如，对于 28x28 输入矩阵，该过滤器可以是小于 28x28 的任何 2D 矩阵。

在照片操作中，卷积过滤器中的所有单元格通常设置为 1 和 0 的恒定模式。在机器学习中，卷积过滤器通常以随机数作为种子，然后网络会训练理想值。

卷积层

#image

一个深度神经网络层，其中卷积过滤器输入例如，请考虑以下 3x3 卷积过滤器：

以下动画显示由 9 个卷积运算（其中涉及 5x5 输入矩阵）组成的卷积层。请注意，每个卷积运算都针对不同的 3x3 输入矩阵切片执行。生成的 3x3 矩阵（右侧）由 9 个卷积运算的结果组成：

卷积神经网络

#image

一种神经网络，其中至少一个层是卷积层。典型的卷积神经网络由以下层的某种组合组成：

• 卷积层
• 池化层
• 密集层

卷积神经网络在某些类型的问题（如图像识别）上取得了巨大成功。

卷积运算

#image

以下两步数学运算：

1. 对卷积过滤器和输入矩阵切片进行元素级乘法。（输入矩阵的切片与卷积过滤器具有相同的排名和大小。）
2. 对得到的产品矩阵中的所有值进行求和。

例如，假设存在以下 5x5 输入矩阵：

现在，假设以下 2x2 卷积过滤器：

每个卷积运算都涉及一个输入 2x2 输入矩阵。例如，假设我们使用输入矩阵左上角的 2x2 切片。因此，该切片的卷积运算如下所示：

卷积层由一系列卷积运算组成，每个卷积运算处理不同的输入矩阵切片。

D

数据增强

#image

通过转换现有示例，人为地增加训练示例的范围和数量，以创建更多示例。例如，假设图片是您的特征之一，但数据集包含的图片不足以让模型学习有用的关联。理想情况下，您应该向数据集添加足够多的标签图片，使您的模型能够正确训练。如果无法做到这一点，数据增强可以旋转、拉伸和反映每张图像，以生成原始图片的许多变体，并可能产生足够的带标签数据以实现出色的训练效果。

深度可分离卷积神经网络 (sepCNN)

#image

基于 Inception 的卷积神经网络架构，但 Inception 模块已被深度分离的卷积取代。也称为 Xception。

深度可分离卷积（也称为可拆分卷积）可将标准的 3D 卷积分解为两个计算效率更高的卷积：首先，深度为 1 (n 🇪? n 🇪? 1)，深度为 1 (深度 n 🇪? 1)，其次是点宽 (1)。

如需了解详情，请参阅 Xception：使用深度可分离卷积的深度学习。

降采样

#image

多余字词是指以下任何一种情况：

• 减少特征中的信息量，以更高效地训练模型。例如，在训练图像识别模型之前，将高分辨率图像降采样为较低的分辨率格式。
• 使用比例偏高的类别示例进行比例偏低的训练，以提升针对缺乏足够代表的类别的模型训练效果。例如，在类别不均衡数据集中，模型往往会学到大多数类别，但不会充分了解少数类。降采样有助于在多数类和少数类之间平衡训练量。

I

图像识别

#image

对图片中的对象、图案或概念进行分类的过程。 图像识别也称为图像分类。

如需了解详情，请参阅机器学习实践：图像分类。

交并比 (IoU)

#image

两组的交集除以它们的并集。在机器学习图像检测任务中，IoU 用于衡量模型预测的边界框相对于标准答案边界框的准确性。在这种情况下，两个框的 IoU 是重叠区域与总面积之间的比率，并且其值范围为 0（预测的边界框和标准答案边界框没有重叠）到 1（预测的边界框和标准答案边界框具有完全相同的坐标）。

例如，在下图中：

• 预测的边界框（坐标用于预测模型在画中的夜间表所在的位置）以紫色轮廓。
• 标准答案边界框（坐标中绘制的夜间表格实际所在位置的坐标）以绿色轮廓显示。

在这里，用于预测的边界框和标准答案的交集（左下角）为 1，预测和标准答案的边界框的并集为 7，因此 IoU 为 \(\frac{1}{7}\)。

K

关键点

#image

图片中特定地图项的坐标。例如，对于一种图片识别模型，用于区分花卉种类，每个花瓣、茎、花瓣等中心都可能是关键点。

L

landmarks

#image

与要点的含义相同。

M

MNIST

#image

由 LeCun、Cortes 和 Burges 编译的公共领域数据集，其中包含 60000 张图片，每张图片都显示人类如何手动写入 0-9 之间的特定数字。每张图片都存储为 28x28 个整数数组，其中每个整数都是 0 到 255（含 0 和 255）之间的灰度值。

MNIST 是机器学习的规范数据集，通常用于测试新的机器学习方法。如需了解详情，请参阅 MNIST 手写数字数据库。

P

池化

#image

将由之前的卷积层创建的矩阵缩减为较小的矩阵。 池化通常涉及对共用区域使用最大值或平均值。例如，假设我们有以下 3x3 矩阵：

池化运算与卷积运算类似，它会将该矩阵拆分为多个切片，然后按步长滑动该卷积运算。例如，假设池化运算以 1x1 步长的方式将卷积矩阵划分为 2x2 个切片。如下图所示，发生了四项池化操作。假设每次池化运算都会选择该切片中第四项的最大值：

池化有助于在输入矩阵中强制执行翻译不变性。

视觉应用池化更正式地称为空间池化。时序应用通常将池化称为时间池化。一种不太正式的概念是池化，通常称为下采样或降采样。

（右）

旋转不变

#image

在图像分类问题中，即使图像的方向发生变化，算法也会成功对图像进行分类。例如，无论网球拍是朝上、侧向还是下推，算法仍然可以识别它。请注意，旋转不变性并非总是可取的；例如，不应将倒立的 9 归类为 9。

另请参阅翻译不变性和大小不变性。

S

大小不变性

#image

在图像分类问题中，即使图像的大小发生变化，算法也会成功对图像进行分类。例如，算法仍然可以识别猫是消耗 200 万像素还是 20 万像素。请注意，即使是最好的图像分类算法，在大小不变性方面仍然具有实际限制。例如，算法（或人工）不太可能将只占用 20 个像素的猫图片正确分类。

另请参阅翻译不变性和旋转不变性。

空间池化

#image

请参阅池。

步长

#image

在卷积运算或池化中，下一个系列输入切片的每个维度中的增量。例如，以下动画展示了在卷积运算期间的步进 (1,1)。因此，下一个输入切片会从上一个输入切片的右侧开始一个位置。当操作到达右侧边缘时，下一个切片将一直向左，但是向下移动一个位置。

上面的示例演示了二维步长。如果输入矩阵是三维，那么步长也将是三维。

下采样

#image

请参阅池。

T

翻译不变性

#image

在图像分类问题中，即使对象在图像中的位置发生变化，算法也会成功对图像进行分类。例如，算法仍然可以识别狗，无论它位于画面的中心还是画面的左端。

另请参阅大小不变性和旋转不变。