资源简介

(共16张PPT)
图像识别技术
——以手写数字识别为例
1号
2号
3号
先来做一个游戏
3号
2号
1号
思考：人是如何判断相似图像的，经历了怎样的过程？
1. 提取关键特征
2.对比原图像的形状
01
ONE
体验人机交互
体验人机交互
“猜画小歌”是Google于2018年7月18日发布的首款微信小程序。谷歌表示，开发“猜画小歌”小程序，是为了让每个人都有机会体验人工智能技术驱动下的人机交互。
在这个过程中，它并不编写具体的规则，而是让机器从“猜画小歌”图库数据里自动学习其中的规律。只要画出物体的特征，人工智能就能猜出来。
02
TWO
手写数字识别的过程
手写数字识别的过程
MNIST数据集是手写数字图像集，MNIST是机器学习领域最有名的数据集之一，MNIST数据集是由0到9的数字图像构成，训练图像有6万张，测试图像有1万张，这些图像可以用于学习和推理。
手写数字样本库
手写数字识别的过程
特征提取
160*120*8 bit
16*12*8 bit
16*12*1 bit
降低分辨率
（像素化）
特征提取是通过剔除图像中对分类没有帮助的部分，提取出具有代表性的几个特征的过程。
手写数字识别的过程
图像的预处理 —— 裁剪
3 3
3 3
裁剪后
特征提取
手写数字识别的过程
利用KNN算法进行分类
手写数字识别的过程
最近邻（k-Nearest Neighbors, KNN）算法是一种分类算法，该算法的思想是：一个样本与数据集中的k个样本最相似，如果这k个样本中的大多数属于某一个类别，则该样本也属于这个类别。
机器学习之KNN算法
利用KNN算法进行分类
手写数字识别的过程
利用KNN算法进行分类
手写数字识别的过程
利用KNN算法进行分类
03
THREE
项目实践
在Scratch中实现手写数字识别
校外课程体系
画笔模块编写手写程序
03
项目实践：在Scratch中实现图像的像素化与二值化
校外课程体系
特征提取
03
项目实践：在Scratch中实现图像的像素化与二值化
校外课程体系
利用KNN算法进行分类
03
项目实践：在Scratch中实现图像的像素化与二值化

展开更多......

收起↑