Python和深度神经网络识别图像
进化的做用，让人类对图像的处理很是高效。api
这里，我给你展现一张照片。学习
若是我这样问你：ui
你可否分辨出图片中哪一个是猫，哪一个是狗？this
你可能当即会以为本身遭受到了莫大的侮辱。而且大声质问我：你以为我智商有问题吗？！人工智能
息怒。spa
换一个问法：.net
你可否把本身分辨猫狗图片的方法，描述成严格的规则，教给计算机，以便让它替咱们人类分辨成千上万张图片呢？翻译
对大多数人来讲，此时感觉到的，就不是羞辱，而是压力了。blog
若是你是个有毅力的人，可能会尝试各类判别标准：图片某个位置的像素颜色、某个局部的边缘形状、某个水平位置的连续颜色长度……图片
你把这些描述告诉计算机，它果真就能够判断出左边的猫和右边的狗了。
问题是，计算机真的会分辨猫狗图片了吗？
我又拿出一张照片给你。
你会发现，几乎全部的规则定义，都须要改写。
当机器好不容易能够用近似投机取巧的方法正确分辨了这两张图片里面的动物时，我又拿出来一张新图片……
几个小时之后，你决定放弃。
别气馁。
你遭遇到的，并非新问题。就连大法官，也有过一样的烦恼。
1964年，美国最高法院的大法官Potter Stewart在“Jacobellis v. Ohio”一案中，曾经就某部电影中出现的某种具体图像分类问题，说过一句名言“我不许备就其概念给出简短而明确的定义……可是，我看见的时候天然会知道”（I know it when I see it）。
原文以下：
I shall not today attempt further to define the kinds of material I understand to be embraced within that shorthand description (“hard-core pornography”), and perhaps I could never succeed in intelligibly doing so. But I know it when I see it, and the motion picture involved in this case is not that.
考虑到精神文明建设的须要，这一段就不翻译了。
人类无法把图片分辨的规则详细、具体而准确地描述给计算机，是否是意味着计算机不能辨识图片呢？
固然不是。
2017年12月份的《科学美国人》杂志，就把“视觉人工智能”（AI that sees like humans）定义为2017年新兴技术之一。
你早已据说过自动驾驶汽车的神奇吧？没有机器对图像的辨识，能作到吗？
你的好友可能（不止一次）给你演示如何用新买的iPhone X作面部识别解锁了吧？没有机器对图像的辨识，能作到吗？
医学领域里，计算机对于科学影像（如X光片）的分析能力，已经超过有多年从业经验的医生了。没有机器对图像的辨识，能作到吗？
你可能一会儿以为有些迷茫了——这难道是奇迹？
不是。
计算机所作的，是学习。
经过学习足够数量的样本，机器能够从数据中本身构建模型。其中，可能涉及大量的判断准则。可是，人类不须要告诉机器任何一条。它是彻底本身领悟和掌握的。
----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------