CMU探究項(xiàng)目：利用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行圖像分類

Category: 培訓(xùn)課程, 科研項(xiàng)目培訓(xùn)
|
Date: 2023年2月24日上午10:01

本課題旨在通過(guò)在這些數(shù)據(jù)集上完成基本的分類任務(wù)，讓學(xué)生學(xué)習(xí)到卷積神經(jīng)網(wǎng)絡(luò)的原理，包括反向傳播，隨機(jī)梯度下降等，且讓學(xué)生基本掌握深度學(xué)習(xí)，并能夠認(rèn)識(shí)到深度學(xué)習(xí)實(shí)戰(zhàn)中的各種困難，比如數(shù)據(jù)過(guò)擬合。

咨詢課程

Product Details

CMU探究項(xiàng)目

利用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行圖像分類

課題簡(jiǎn)介

圖像分類是根據(jù)圖像的語(yǔ)義信息將不同類別圖像區(qū)分開(kāi)來(lái)，是計(jì)算機(jī)視覺(jué)中重要的基本問(wèn)題，也是圖像檢測(cè)、圖像分割、物體跟蹤、行為分析等其他高層視覺(jué)任務(wù)的基礎(chǔ)。圖像分類在很多領(lǐng)域有廣泛應(yīng)用，包括安防領(lǐng)域的人臉識(shí)別和智能視頻分析等，交通領(lǐng)域的交通場(chǎng)景識(shí)別，互聯(lián)網(wǎng)領(lǐng)域基于內(nèi)容的圖像檢索和相冊(cè)自動(dòng)歸類，醫(yī)學(xué)領(lǐng)域的圖像識(shí)別等。

卷積神經(jīng)網(wǎng)絡(luò)是神經(jīng)網(wǎng)絡(luò)方法中專門(mén)用于計(jì)算機(jī)視覺(jué)的一類神經(jīng)網(wǎng)絡(luò)。它是目前解決許多計(jì)算機(jī)視覺(jué)任務(wù)的最優(yōu)方法，其中最典型的是圖像分類問(wèn)題。圖像分類問(wèn)題的簡(jiǎn)單描述如下：給定一張圖片和備選的幾個(gè)類別，計(jì)算機(jī)能夠自動(dòng)判斷該圖片屬于備選類別中的哪一類。這個(gè)任務(wù)最直接簡(jiǎn)單而有效的應(yīng)用場(chǎng)景之一，就是手寫(xiě)字識(shí)別：給定一張手寫(xiě)圖片，計(jì)算機(jī)能夠自動(dòng)識(shí)別該圖片是什么字符，從而達(dá)到手寫(xiě)輸入的效果。

MNIST和CIFAR10數(shù)據(jù)集是兩個(gè)非常經(jīng)典的圖像分類數(shù)據(jù)集。前者包含0~9共十個(gè)數(shù)字手寫(xiě)體的圖片。后者包含10種物體（比如飛機(jī)、汽車、鳥(niǎo)類）的圖片。卷積神經(jīng)網(wǎng)絡(luò)能在這兩個(gè)數(shù)據(jù)集上達(dá)到非常好的分類效果。

科研方法

AI＋X數(shù)據(jù)驅(qū)動(dòng)型科研

使用人工智能（AI）算法，收集、處理、分析具體學(xué)科（X）的海量數(shù)據(jù)，并基于此進(jìn)行預(yù)測(cè)，從而獲得科學(xué)發(fā)現(xiàn)的研究方法。與傳統(tǒng)的、基于實(shí)驗(yàn)或邏輯推理的研究方式相比，AI＋X數(shù)據(jù)驅(qū)動(dòng)型科研可以借助AI算法強(qiáng)大的運(yùn)算能力，高效地進(jìn)行大數(shù)據(jù)分析，具有投入產(chǎn)出比高、適用范圍廣的優(yōu)點(diǎn)。

AI＋X數(shù)據(jù)驅(qū)動(dòng)型科研已被廣泛地應(yīng)用于各個(gè)領(lǐng)域，利用AI算法研究基因數(shù)據(jù)，從而進(jìn)行早期的癌癥篩查便是其中一例。基因組與癌癥病患的數(shù)據(jù)千千萬(wàn)萬(wàn)，使用傳統(tǒng)的科研方式對(duì)其進(jìn)行分析，工程量大、過(guò)程繁瑣，在客觀上難以實(shí)現(xiàn)。

但借助AI算法這一便捷的工具，生命科學(xué)家便能夠以海量的患者的遺傳信息為基礎(chǔ)，建立數(shù)據(jù)庫(kù)，與過(guò)往的研究成果進(jìn)行對(duì)照，快速、準(zhǔn)確地在兩者中發(fā)現(xiàn)規(guī)律、建立聯(lián)系，從而使癌癥診斷的“標(biāo)準(zhǔn)化”成為可能。