卷積神經網路識別

1. 基於深度卷積神經網路進行人臉識別的原理是什麼

對工程研究，原理（How）往往來自於別的領域，CNN的圖像識別是啟發自視覺神經（一種被研究的最透徹的神經結構）研究的發現，人民發現人的視覺就是這么工作的，然後試著用它在機器上實現，當有足夠快的電腦和多的數據時，人們興奮的發現可以做高質量的圖像識別。
原理的解釋通常要晚一些。但是抽象的解釋並不難：把信息一層層的抽象，最底下是像素，中間是各種特徵，越往上越抽象（邊，圓，鬍子，高鼻樑...)。
研究科學不光是看論文：你拿一副照片貼著眼睛看，慢慢拿遠大概可以幫助理解。

2. 神經網路在圖像識別中有哪些應用

卷積神經網路有以下幾種應用可供研究：

1、基於卷積網路的形狀識別

物體的形狀是人的視覺系統分析和識別物體的基礎，幾何形狀是物體的本質特徵的表現，並具有平移、縮放和旋轉不變等特點，所以在模式識別領域，對於形狀的分析和識別具有十分重要的意義，而二維圖像作為三維圖像的特例以及組成部分，因此二維圖像的識別是三維圖像識別的基礎。

2、基於卷積網路的人臉檢測

卷槐橋積神經網路與傳統的人臉檢測方法不同，它是通過直接作用於輸陪簡入樣本，用樣本來訓練網路並最終實現檢測任務的。它是非參數型的人臉檢測方法，可以省去傳統方法中建模、參數估計以及參數檢驗、重建模型等的一系列復雜過程。本文針對圖像中任意大小、位置、姿勢、方向、膚色、面部表情和光照條件的人臉。

3、文字識別系統

在經典的模式識別中，一般是事先提取特徵。提取諸多特徵後，要對這些特徵進行相關性分析，找到最能代表字元的特徵，去掉對分類無關和自相關的特徵。然而，這些特徵的提取太過依賴人的經驗和主觀意識，提取到的特徵的不同對分類性能影響很大，甚至提取的特徵的順序也蘆明褲會影響最後的分類性能。同時，圖像預處理的好壞也會影響到提取的特徵。