深度学习
文章目录
前言
ROS只是用来操控机器人的系统，要想做的真正为社会服务，还是需要结合AI。
; 一、深度学习简介
在介绍深度学习之前，先和大家介绍一下人工智能、机器学习和深度学习这 三者之间的关系。 人工智能就是我们常说的 AI，在 1956 年被科学家们提出这一概念，科学家探讨能不能制造出一个可以像人类大脑的一样思考的机器，拥有人类的智慧，这就是人工智能。实现人工智能的方法我们统称为机器学习(Machine Learning)，就是让机器从 历史数据中学习规律，然后将规律应用到未来中。其实人类的行为也是通过学习 和模仿得来的，所以我们就希望计算机和人类的学习行为一样，从历史数据和行 为中学习和模仿，从而实现 AI。但是随着研究不断深入，传统机器学习算法在很多”智能”问题上效果不佳， 如图片识别、语音识别和语义理解等。后来人们对传统的神经网络算法进行了优 化提出了深度学习(Deep Learning)的概念，很好地解决了很多传统机器学习算法 效果不佳的问题。综上所述，机器学习是一种实现 AI 的方法，而深度学习是机器学习中的一 种技术，他们之间的关系图如下。
二、深度学习与神经网络
深度学习是基于神经网络算法的，人们从生物神经网络的运作机制得到启 发，构建了人工神经网络。
如上图是生物神经元的示意图，神经元通过接收外界信号，达到一定阈值， 触发动作电位，通过突触释放神经递质，可以是兴奋或抑制，影响突触后神经元。 下图是经典的 MP 神经元模型，与生物神经元类似，输入端接受外界信号， w 和 b 等都是参数值，经过激活函数(Activation Function)来判断是否触发”动作 电位”，对外释放的新的信号。
多个神经元组合在一起就形成了神经网络，下图便是生物神经网络和人工神 经网络的示意图。
可以在图中看到人工神经网络除了输入层和输出层，中间的统称为隐含层， 隐含层可以有很多层，深度学习中”深度”的含义就是在输入层和输出层之间加 更多的隐含层。
; 三、常用深度学习框架
深度学习一般分为训练和预测两大步骤，如下图所示。与传统机器学习中相 比，少了特征提取工程，节约了使用者大量工作时间。深度学习隐含层越多，就 越能够实现更加复杂的运算和逻辑处理，效果也会更好，但这也导致需要训练的 参数变得更多，计算量太大，以致于根本无法训练，后来人们提出新的训练解决 方案：无监督预训练对权值进行初始化+有监督训练微调。
因为深度学习发展至今，很多算法都已经是通用的，而且得到过验证的，有 些公司就希望将一些标准算法一次性开发好，封装起来，后面再使用时直接调用 引入即可，不需要大家从头再写一遍。 常用的框架如 Tensorflow 是 Google 旗下的开源软件库，里面含有深度学习 的各类标准算法 API 和数据集等；Pytorch 是 Facebook 旗下的开源机器学习库， 也包含了大量的深度学习标准算法 API 和数据集等，Caffe 是贾扬清博士开发的 深度学习框架，国内百度目前也有自己的深度学习框架 Paddle-Paddle，还有本次重点介绍的 YOLO 作者 Joseph Redmon 自己写的深度学习框架 darknet。在上诉的各种框架内，我们可以实现各种具体的目标检测算法，如 R-CNN、 Fast RCNN、YOLO、SSD 等等。
四、YOLOV3框架
YOLO（You only look once）是一种实时目标检测算法。YOLO v3 是 2018 年推出的一种单阶段目标检测算法，他的突出特点是检测速度非常快，能够以 30fps 的速度处理图像，并且以 COCO 数据集测试的时候, mAP 值能达到 57.9%。 因此，YOLO v3 目前广泛应用在目标识别、对象分类、定位等场景中。而且很多的企业级项目，都是在此基础上实现的。
由上图所示，是 YOLO v3 算法与其它算法性能测试的对比数据。我们可以 看到，YOLO v3 算法的检测速度基本在 50ms 以内，而其它算法的检测速度均在 50ms 以上。再看 mAP 值，YOLO v3 算法可以达到 57.9%，而相同的 mAP 值， 其它算法需要的时间在 200ms 左右。因此，YOLO v3 算法最大的优势在于在速 度和检测精度方法均得到了提升。另外，只需更改模型的大小即可轻松地在速度 和精度之间进行权衡，而无需重新训练。目标检测任务需要做的事情是识别和定位。YOLO v3 的基本思想是把输入 的图像分割成很多个小格子 grid cells，接着一方面根据边界框(bounding boxes) 和置信度(confidence)来确定定位，另一方面通过类别概率图(class probability map) 确定识别目标类型，最后输出预测的结果。如下图YOLO v3示意图
; 总结
人工智能是时代发展的热潮，深度学习与目标检测又是很有趣的事情，加油。
怕什么真理无穷，进一寸有进一寸的欢喜。
Original: https://blog.csdn.net/qq_51963216/article/details/123511109
Author: 我与nano
Title: ROS深度学习——深度学习简介（一）
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/598169/
转载文章受原作者版权保护。转载请注明原作者出处！