5.6 KiB
图像分类
核心概念： 迁移学习、分类模型、图像识别、可视化
图像分类模型怎么“看”世界的？
想象一下，你刚出生时，并不知道什么是“猫”，什么是“狗”。但随着你慢慢长大，爸爸妈妈会指着图片告诉你：“看，这是猫！喵呜~” “这是狗！汪汪！” 慢慢地，你就能区分它们了。
AI也是一样！ 它需要大量的图片来学习。分类模型就像一个“图像辨认大师”，它的任务就是学会区分不同类别的图片，比如猫、狗、汽车、飞机等等。
尝试一下！
- 上传你的训练图片--给AI“上课”！
比如，如果你想让AI区分“苹果”和“香蕉”，你就需要在“苹果”这个类别下上传一些苹果的图片，在“香蕉”这个类别下上传一些香蕉的图片。为每个类别上传图片即可。
同时，尝试上传不同角度、不同光线、不同大小的苹果图片。确保AI能“看到”不同特征。
- 点击“训练模型”--让AI“学习”！
模型便会从你提供的不同样本中学习到特征，这个过程可能只需要几秒钟甚至更短。
- 测试你的AI——看看它学得怎么样！
现在是检验成果的时候了！上传一张新的图片，比如你没给AI看过的苹果或香蕉。
AI会立刻告诉你，它觉得这张图片是“苹果”还是“香蕉”，还会告诉你它有多大的把握（比如“98%确定是苹果”）。
哇塞！ 是不是超酷？你的AI现在也能“看懂”图片了！
玩了几轮之后，你可能会有更多的问题：
- 如果AI判断错了怎么办？
这可能意味着你需要给AI更多的图片，或者图片不够清晰、不够多样。
- 图片数量越多越好吗？
思考题： 如果我只给AI看一张图片，它能学会吗？
- AI还能做些什么？
展望： 你觉得街上的无人驾驶汽车是怎么“看”路况的？医生是怎么通过AI分析X光片的？这些都离不开图像识别技术！
小秘密：AI学习的“加速器”——迁移学习！
你可能会好奇：“哇，让AI学这么多东西，肯定要花好久好久吧？”
如果你让AI从零开始学习——就像你从出生开始学所有东西一样——那确实会非常非常慢，需要成百上千张图片来学习每个类别，并且用专业的机器训练数小时甚至数天。这是一个既耗时又昂贵的过程，不是我们普通人能轻松尝试的。
在AI的世界里，有一个类似的“加速器”，它叫迁移学习（Transfer Learning）。
想象一下，我们已经有一个超级聪明的AI，它已经“看”了几百万张图片，并且学会了如何识别图像中各种基础的形状、颜色、纹理（就像它已经学会了平衡能力）。
现在，我们想让这个AI学会一个新任务，比如区分“蛋糕”和“披萨”。如果让它从零开始学习，会很慢。
“借用”超级大脑： 想象一下，我们已经有一个超级聪明的AI“教授”，它已经“看”了几百万张图片，并且学会了如何识别图像中各种基础的形状、颜色、纹理、边缘特征（就像它已经学会了平衡能力，更像是学会了识别世间万物的“零部件”）。
我们的秘诀： 这个“教授”就是预训练模型，比如我们用的 MobileNet！它已经学习过上千种物品的特征，能准确地识别出我们日常生活中常见的各种物品。
“快速定制”新技能： 现在，我们想让这个AI“教授”学会一个新任务，比如区分“苹果”和“香蕉”。我们不需要让它从头开始学习，那样太慢了！
聪明做法： 我们直接“借用”MobileNet这个“教授”最擅长识别特征的“头部”（就像它最强大、最敏锐的“眼睛”和“大脑前部”），让它帮忙将你上传的“苹果”和“香蕉”图片，转化为它能理解的“特征描述”（比如“这是圆形、红色、有把手”、“这是长条形、黄色、弯曲的”）。
然后，我们只需要给这些特征描述后面再添加一个非常简单的“小助理”模型，由它来学习和记住这些特征分别代表“苹果”还是“香蕉”就行了！
如果我们要从头开始训练一个图像分类模型，那么对于每个类我们需要成百上千张图片，并且使用专业的机器训练数小时甚至数天。这是一个耗时且昂贵的过程。
而迁移学习则可以让我们“借用”一个已经训练好的模型，只需要少量的新数据就可以训练出一个准确的模型。这大大节省了时间和金钱。
这里我们使用了mobilenet的预训练模型，其学习过上千中物品的特征，能够准确地识别出物品。因此我们使用这个预训练模型的头部作为特征检测器，它能够识别1000种它见过的物品。现在它观察一种新的物品时，就会给出1000个其见过物品的概率，我们只需要在后部再添加一个简单的分类模型，就可以快速实现分类了。
我们只需要训练少量的新数据，就可以训练出一个准确的模型。这就是迁移学习的魔力所在！
这样，我们的AI就能：
- 只需要少量的新数据（几张图片！），
- 在短短几秒钟内，就能训练出一个准确的图片分类模型！