漫画人工智能

先提一个小问题：

“你是通过什么了解这个世界的？”

当一辆汽车从你身边疾驰而过，你是通过哪些信息知道那是一辆汽车？

“它的材质，速度，发动机的声响，还是什么？”

你可能说不清所以然，但是当你看到下图时，你会第一时间反应出来，“噢，车！ ”

为什么你能猜对它？

“轮廓”！

——对，我给你看了它的轮廓。

再给你一些七七八八、大小不一的图片，你总能猜对一些。

你是怎样做到的？

很简单

你读了一张图片 找到了图片的特征 进而对图片做出了分类

如果是一张黑白图片，我们看到的，是这个样子的：

而在计算机的眼里，它看到的，是这个样子的：

好没有情趣……

这些数字是哪里来的？

因为图片是由一个又一个的像素点构成。（当你将图片无限放大，你能看到那些像素点）

而每一个像素点，都是由一个0~255的数字组成。

所以，在计算机“看”来，一张图片，就是一个又一个的数字。

所以，我们第一步的工作，是将左上图的那只小狗，转换成右上图的那一行行数字。

幸运的是，目前在python中，很多第三方库，诸如PIL/Matplotlib等，都可以实现这种转换，我们需要了解的是，后面的所有运算过程，都是基于右上图来完成的，至于具体的转换过程，不需要我们费心来做。

在文章开篇的例子中，我们知道，在识别一辆汽车的时候，可以将它的轮廓提取出来，从而判断出那是一辆车。

同样的，CNNs在识别图片时，也需要提取图像的特征。

在CNNs中，完成这一工作的小伙叫“卷积”。（希望你不要纠结这个极具个性的名字，懂得它的原理就OK）

“卷积”在每次工作时，手里都会握着几把“过滤器”。

过滤器的作用是：寻找图片的特征。

仍以小狗为例，过滤器会在图片上从头到尾“滑过”一遍

每滑到一个地方，就将该地方的图像特征提取出来。

那它是怎样提取的呢？

别忘了，在计算机的眼里，世界是这个样子的：

（为了简化问题，这里将像素值仅用0和1表示）

假设过滤器是这个样子的：

当橘色的过滤器在绿色矩形框中，缓慢滑过时，

我们用橘色过滤器中的每一个值，与绿色矩形框中的对应值相乘、再相加

有点儿拗口，直接看图：

结果“4”，就是我们从第一个橘色方框中，提取出的特征。

如果我们每次将橘色过滤器，向右、向下移动1格，则提取出的特征为：

你可能会问：

我知道绿色矩阵代表一张图片，是计算机“眼中”图片的样子。

但是，

经过橘色过滤器提取特征后，得到的粉色矩阵，那是什么？

我们从人类的视角，再重新审视一遍。

这次，我们回到之前的例子中。

仍以这张萌狗为例，它经过“过滤器”提取特征后，得到的是一张……哦，好吧……看起来有点儿模糊的图。

虽然图片模糊了，但是图片中的主要特征，已经被过滤器全部提取出来，单凭这么一张模糊的图，作为人类的我们，足以对它做出判断了。（谁敢说它是一只猫？！）

下面，我们再换几个过滤器试试。

这些就是经过过滤器提取后，得到的不同“特征图片”。

由此我们可以看出，采用不同的“过滤器”，能够提取出不同的图片特征。

你可能又会问：

那过滤器里的数值，该如何确定呢？

4种过滤器-效果.png (116.6 KB)

4种过滤器.png (21.42 KB)

dog-黑白.jpg (41.25 KB)

更多资料获取请私信我