計算計的視覺這個研究領(lǐng)域已經(jīng)衍生出了一大批快速成長的、有實際作用的應(yīng)用，例如

    人臉識別，圖像檢索，游戲和控制，檢測，生物識別技術(shù)，智能汽車。

    林奇有自己的想法，他想要做的是一個綜合的內(nèi)容，包含了上面所有的領(lǐng)域，甚至不局限于上面提到的這些領(lǐng)域。

    林奇想做出來一個可以幫助人們破案，尋求一種可以幫助人們管理城市的一種解決方案。

    能從方方面面影響人們，給廣大的老百姓便利。

    不過萬丈高樓平地起，林奇并沒有好高騖遠，而是回歸本質(zhì)，一步一個腳印準備從頭走。

    林奇準備一個一個的研究下去，第一個看到的就是圖像分類。

    圖像分類以前還有一個賽事n不過后來在計算機的分類能力超過人類的時候，舉辦方?jīng)Q定不再舉辦這個賽事了。

    圖像分類的定義很簡單，就是從給定一組各自被標記為單一類別的圖像，對一組新的測試圖像類別進行預(yù)測，并測量預(yù)測的準確性結(jié)果，這就是圖像分類問題。

    圖像分類問題需要面臨幾個挑戰(zhàn)，視點變化，尺度變化，類內(nèi)變化，圖像變化，圖像遮擋，照明條件和背景雜斑。

    林奇準備著手做分類的時候，他想自己弄一個小機器人來玩玩，準備把研究成果用在這個機器人身上。

    其實是以可視化的方式表現(xiàn)出來。

    人必竟還是視覺動物，直接給一個人一大堆的數(shù)據(jù)，尤其是通過計算機高速交換的數(shù)據(jù)，沒有人能看出來什么，只會看的頭昏眼花。

    但是如果能把數(shù)據(jù)展示出來，尤其用一個圖表的方式展示出來，那人們就能一眼看出來到底，這個算法的好壞，還能看到識別正確率的提升。

    林奇上找了一些資料，從一個專門研究機器人的站，下單購買了一些電子原件，因為林奇想自己打造一個小機器人。就連機器人的外形，林奇都想好了，他要打造一個小毛毛蟲，對就是毛毛蟲。

    一定要有兩個眼睛，這是林奇內(nèi)心的想法。

    有一個可以蠕動的身體

    在林奇自學了一些機器人和電子原器件和電路的相關(guān)知識以后，他摸索著弄出來了一個軟體毛毛蟲，名字林奇都給起好了，就叫二毛。

    對于這個名字二毛只能接受，如果它有意識，并且知道一些知識之后，可能會嫌棄這個名字。

    林奇制造出來的毛毛蟲比之普通的毛毛蟲略大，普通的毛毛蟲還沒有小手指大，但是林奇的這個毛毛蟲卻堪比一條手臂。冷不丁的拿出去，估計能嚇到不少人。

    長度也和人的小手臂差不多，沒有一整條胳膊長，有一個丑陋的腦袋，腦袋上面有兩個碩大的，就像一條蛇的眼睛。

    別說這個毛毛蟲還真的和蛇長的不差什么，只是比蛇短了不少，現(xiàn)在它還不能行走，只能站在林奇的辦公桌上，左右的搖晃著它那個小腦袋，眼睛左右全方位的看向四周。

    看著眼前的毛毛蟲，林奇感覺很有意思。

    林奇第一個之所以選擇的是圖片分類，是因為這個的應(yīng)用比較廣泛，并且現(xiàn)在也有很好的算法。

    最為流行的就是卷積神經(jīng)絡(luò)nn，與普通的算法不太一樣，卷積神經(jīng)絡(luò)算法也很有意思。

    現(xiàn)在人們拍照的器材越來越好，10001000的圖片比比皆是。

    在分析圖片的時候是否需要一個創(chuàng)建一個10001000的絡(luò)層，答案是不需要的，相反可以創(chuàng)建一個2020的輸入層。

    就好像是下面有一個很大的圖片，在圖片的上面有一個小紙板。

    第一次把這個紙板放在了圖片的左上角，只取出來被覆蓋的這一部分的像素進行處理，然后把這個紙板向右移動一個像素，再取一部分像素進行處理。

    有的人有疑問，這樣不是第二次取的像素和第一次重復(fù)的很多嗎？

    沒錯就是有很多的重復(fù)，這個算法就是要這么搞，只有這樣的滑動窗口，才能體現(xiàn)出來這個圖片像素的空間位置，才能把像素之間的關(guān)系也都考慮進去。

    而不是像以前有一種識別手寫的圖片中的數(shù)字的例子，機器學習的入門課程，就是識別手寫數(shù)字，有人統(tǒng)計，只有正確率達到了百分之九十九多的時候，機器識別才有作用。

    最經(jīng)典的一個例子就是，把所有的像素都從左到右，從上到下，一個一個的都并排排好，形成一個單個的像素線。

    寫一個方程式來求幾個參數(shù)，給出來一些訓練數(shù)據(jù)，讓計算機自己發(fā)現(xiàn)規(guī)律，找到其中的關(guān)聯(lián)，從而得到一個最好的方程的解。

    但是這種計算出來的結(jié)果正確的識別率只有可憐的百分之十多。

    如果用卷積神經(jīng)絡(luò)來稍加改造就能讓識別率達到百分之九十九以上。

    可見，卷積神經(jīng)絡(luò)對圖片的分類來說是最好的一個算法。

    不過也是有一個問題，它需要大量的數(shù)據(jù)，對于能獲得大量的數(shù)據(jù)的場景這個算法是很不錯的，但是如果不能獲得很多數(shù)據(jù)，它的效果就沒有那么好了。

    因為有以前做過語音識別的經(jīng)驗，所以對這個改造起來是得心應(yīng)手。

    很快林奇就把這個算法進行了改進，可以不用那么多的數(shù)據(jù)就能達到一樣的效果。

    為了驗證他的這個結(jié)論是否正確，林奇向毛毛蟲的身體里寫入一段程序。

    這個程序特別簡單，就是利用林奇開發(fā)出來的程序識別眼前出現(xiàn)的人是否是林奇本人。

    如果識別出來是林奇本人，那么毛毛蟲就會開心的把頭扭來扭去。

    說起來做這個，是興趣更多一些，因為這樣的程序什么都做不了，也沒有辦法幫助林奇來修正他的研究。

    不過看著眼前的毛毛蟲，林奇就特別喜歡它，雖然它本身沒有什么存儲的能力，都是通過后臺的生物計算機來計算，然后利用量子通信送到毛毛蟲這邊處理。

    但是林奇就感覺這是一個小伙伴，可以陪著他，讓他在生活中有了一絲調(diào)味。

    林奇在這樣的想法下，一個個的場景攻關(guān)下去，自己在這其中提高了不少。11