资源简介

(共28张PPT)
第7课 图像识别技术
年 级：八年级
学 科：初中信息科技（浙教版）
摄像头
是如何识别羊的？
图像识别技术
利用计算机对图像进行处理、分析和理解，来识别图像中的对象
图像
结论
计算机是如何识别出图像的呢？
→人
考一考：它们是羊吗？
人识别图像的过程
眼睛感知
观察特征
搜索记忆
大脑记忆库
图像
结论
机识别图像的过程
图像
结论
？
机
感知图像
图像数字化
通过采样、量化、编码，将图像转化为计算机能处理的数字化形式
人
眼睛感知
实验一：感知图像
图像数字化
图像预处理
图像模糊，还能识别正确吗？
机
特征提取
人
特征提取
通过卷积神经网络（CNN）等算法，获取图像的主要特征
观察特征
卷积神经网络是深度学习系统的重要组成部分
图像识别
汉字识别
人脸识别
自然语言处理
卷积神经网络CNN——模仿人类视觉系统中的神经元
在人类的视觉系统中，人眼捕捉到图像之后，会将信号传递给大脑中的神经网络，神经网络会经过层层分析，根据形状、颜色、纹理等关键特征，识别物体。
卷积神经网络CNN
经过卷积和池化操作，以逐层抽象的方式来学习数据中的特征
通过“放大镜”对图像进行全面的扫描，感知局部信息，找出轮廓、纹理、颜色等不同维度的关键特征。
卷积操作——拿着“放大镜”进行扫描计算
滤波器（卷积核）
矩阵
3*3或者5*5
0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 1 1 1 1 1 1 1 1 1
0 0 0 0 1 0 0 0 0 0 1 1 1 0
0 0 0 1 0 0 0 0 1 1 0 0 0 0
0 0 1 0 0 0 0 1 0 0 0 0 0 0
0 1 0 0 0 0 1 0 0 0 0 0 0 0
1 0 0 0 0 1 0 0 0 0 0 0 0 0
1 0 0 0 1 0 0 0 0 0 0 0 0 0
1 0 0 1 0 0 0 0 0 0 0 0 0 0
0 0 0 1 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0
卷积神经网络——提取羊角轮廓特征
卷积神经网络——提取羊角轮廓特征
0 0 0
1 1 1
0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 1 1 1 1 1 1 1 1 1
0 0 0 0 1 0 0 0 0 0 1 1 1 0
0 0 0 1 0 0 0 0 1 1 0 0 0 0
0 0 1 0 0 0 0 1 0 0 0 0 0 0
0 1 0 0 0 0 1 0 0 0 0 0 0 0
1 0 0 0 0 1 0 0 0 0 0 0 0 0
1 0 0 0 1 0 0 0 0 0 0 0 0 0
1 0 0 1 0 0 0 0 0 0 0 0 0 0
0 0 0 1 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 1
0 1 0
1 0 0
1 1 1
0 1 0
1 0 0
0 1 0
0 1 0
0 1 0
横
竖
弯
尖
0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 1 1 1 1 1 1 1 1 1
0 0 0 0 1 0 0 0 0 0 1 1 1 0
0 0 0 1 0 0 0 0 1 1 0 0 0 0
0 0 1 0 0 0 0 1 0 0 0 0 0 0
0 1 0 0 0 0 1 0 0 0 0 0 0 0
1 0 0 0 0 1 0 0 0 0 0 0 0 0
1 0 0 0 1 0 0 0 0 0 0 0 0 0
1 0 0 1 0 0 0 0 0 0 0 0 0 0
0 0 0 1 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 1
0 1 0
1 0 0
0*0
+0*0
+1*0
+0*0
+1*0
+0*0
+1*0
+0*0
+0*0
0
卷积神经网络——筛选特征（卷积运算）
滤波器
0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 1 1 1 1 1 1 1 1 1
0 0 0 0 1 0 0 0 0 0 1 1 1 0
0 0 0 1 0 0 0 0 1 1 0 0 0 0
0 0 1 0 0 0 0 1 0 0 0 0 0 0
0 1 0 0 0 0 1 0 0 0 0 0 0 0
1 0 0 0 0 1 0 0 0 0 0 0 0 0
1 0 0 0 1 0 0 0 0 0 0 0 0 0
1 0 0 1 0 0 0 0 0 0 0 0 0 0
0 0 0 1 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 1
0 1 0
1 0 0
滤波器
0
0
0
卷积运算
0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 1 1 1 1 1 1 1 1 1
0 0 0 0 1 0 0 0 0 0 1 1 1 0
0 0 0 1 0 0 0 0 1 1 0 0 0 0
0 0 1 0 0 0 0 1 0 0 0 0 0 0
0 1 0 0 0 0 1 0 0 0 0 0 0 0
1 0 0 0 0 1 0 0 0 0 0 0 0 0
1 0 0 0 1 0 0 0 0 0 0 0 0 0
1 0 0 1 0 0 0 0 0 0 0 0 0 0
0 0 0 1 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 1
0 1 0
1 0 0
0 0 0 0 0 1 1 1 1 1 1 1
0 0 0 0 2 1 1 1 1 1 2 2
0 0 0 3 1 1 1 1 2 3 2 2
0 0 3 0 0 0 0 2 2 1 1 0
0 3 0 0 0 0 3 1 0 0 0 0
3 0 0 0 0 3 0 0 0 0 0 0
1 0 0 0 3 0 0 0 0 0 0 0
1 0 0 3 0 0 0 0 0 0 0 0
0 0 2 0 0 0 0 0 0 0 0 0
0 1 1 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0
滤波器
卷积运算
数据量庞大
卷积：
特征提取器，多个卷积核提取特征，得到多个特征图
池化——拿着“缩小镜”进行数据汇聚
0 0 0 0 0 1 1 1 1 1 1 1
0 0 0 0 2 1 1 1 1 1 2 2
0 0 0 3 1 1 1 1 2 3 2 2
0 0 3 0 0 0 0 2 2 1 1 0
0 3 0 0 0 0 3 1 0 0 0 0
3 0 0 0 0 3 0 0 0 0 0 0
1 0 0 0 3 0 0 0 0 0 0 0
1 0 0 3 0 0 0 0 0 0 0 0
0 0 2 0 0 0 0 0 0 0 0 0
0 1 1 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0
0 0 2 1 1 2
0 3 1 2 3 2
3 0 3 3 0 0
1 3 3 0 0 0
1 2 0 0 0 0
0 0 0 0 0 0
提取2×2格子里颜色最深一格的信息
留下主要特征，删除次要特征
不断卷积、池化……，逐层抽象，得到最高级的、抽象的主要特征
机
特征提取
分类并识别
将提取到的特征信息与图像模型的数据进行匹配，将相似度最高的数据作为结论
人
搜索记忆
图像模型
课堂小结
图片
结论
？
图像数字化
特征提取
分类并识别
图像模型
卷积神经网络
卷积、池化
图像识别背后的技术支撑
CNN
卷积神经网络
RNN
循环神经网络
GAN
生成对抗网络
生活中的图像识别
课后应用：
请同学们使用手机上的“百度”App，打开拍图功能，寻找生活中你所认识的植物，进行图像识别，记录识别结果。
你所拍下的植物名称 识别结果 是否正确
谢谢观看！
Thanks!
https://www.21cnjy.com/recruitment/home/fine

展开更多......

收起↑