第二彈!CS231n 2017中文字幕視頻:如何訓練機器進行視覺識別?

雷鋒網(公眾號：雷鋒網)：CS231n 2017雙語字幕版獨家上線！Lecture 2 | Image Classification 更新了！

2017春季CS231n中文版終於上線，課程中文版已經在AI慕課學院（mooc.ai ）發布（ free free free ），11月10日正式開課，每周五更新，預計持續12周！

雷鋒網中文版課程連結：http://www.mooc.ai/course/26

什麼是CS231n 2017？

CS231n 的全稱是 CS231n: Convolutional Neural Networks for Visual Recognition，即面向視覺識別的卷積神經網絡。

該課程是史丹福大學計算機視覺實驗室推出的課程。需要注意的是，我們這次翻譯的是 2017 春季（4 月至 6 月）的最新版本。

雷鋒網引用課程主頁上的官方課程描述如下：

計算機視覺已經在我們的社會中無處不在，並廣泛運用在搜索、圖像理解、應用程式、測繪、醫藥、無人機和自動駕駛汽車等領域。這些應用程式的核心技術是視覺識別任務，如圖像分類、圖像定位和圖像檢測。近期，神經網絡（又名 「深度學習」）方法上的進展極大地提高了這些代表最先進水平的視覺識別系統性能。

本課程深入探討深度學習架構的細節問題，重點學習視覺識別任務（尤其是圖像分類任務）的端到端學習模型。在為期 10 周的課程中，學生將學習如何實現、訓練和調試自己的神經網絡，並建立起對計算機視覺領域前沿研究方向的詳細理解。最後的任務將涉及訓練一個有數百萬參數卷積神經網絡，並將其應用於最大的圖像分類資料庫（ImageNet）上。

我們將著重教授如何設置圖像識別問題，學習算法（例如反向傳播），用於訓練和微調（fine-tuning）網絡的工程實踐技巧，引導學生完成實踐作業和最終課程項目。本課程的大部分背景知識和素材都來源於 ImageNet Challenge 競賽。

Lecture 2 | Image Classification 圖像分類內容提要

Lecture 2 | Image Classification 由 Justin Johnson授課 ，帶著同學們一起討論了數據驅動方法、K-最近鄰算法、線性分類，深層次地了解算法是如何運行的，關注各類算法的技術細節。導師還布置了第一次課程作業，需要同學們在看完本期視頻後，學著完成 K-最近鄰分類器、線性分類器（SVM,Softmax）、兩層神經網絡、提取圖像特徵集，作業通過Python+Numpy完成。不會Python和Numpy的新手們，要儘快開始學習，他們特地寫了個教程教你入門上手。

聊完作業和工具，開始進入正題， Justin重點講了以下幾個問題：

Q1：我們怎麼研究圖像處理的任務？（計算機視覺中真正核心的任務）

Justin：簡而言之，就是通過數據。當你做圖像分類時，分類系統接收一些輸入圖像（比如阿貓阿狗），並且系統已經清楚了一些已經確定了的分類或者標籤，這裡有一些設定了好了的分類標籤數據集，那計算機的工作就是看圖片，並且給它分配其中一些固定的分類標籤。這對於人類來說，太簡單不過了，但是對於機器而言，真的是一個非常非常困難的問題。計算機呈現圖片的方式其實就是一大堆數字，所以圖像可能就是800*600的像素，像素會給出紅、綠、藍三個值。所以這是一個巨大的數字陣列。

Q2：哪些發展推動了圖像識別問題的實現？

Justin：數據驅動的方法。抓取大量圖片數據集，機器會搜集所有數據用某種方式總結然後生成一個模型，識別不同類的對象的核心要素，然後用模型來識別新的圖片。我們的接口需要寫兩個函數，一個是訓練函數（接收圖片和標籤，輸出模型），一個是預測函數（接收模型，對圖片種類預測），正是運用了這種方法，過去十幾二十年裡，圖像識別領域的進步非常之大。這種數據驅動類的算法比深度學習更廣義的一種理念。

Q3：訓練機器進行視覺識別的過程是什麼？

Justin：單純記錄所有的訓練數據，數據集會不斷尋找新的圖片，給出新的標籤。比如，CIFAR -10訓練數據集，其中就有5W訓練圖，1W測試圖。右欄Test images and nearest neighbors圖中，左側是測試圖，右側是訓練圖，訓練圖中會顯示與測試圖最接近的圖片。特殊情況下，我們如何來對比兩幅圖片呢？這就要選擇比較函數了。我們用了L1距離（又稱為「曼哈頓距離」），對單個像素進行比較，只取測試圖（左上角的像素）- 訓練圖（相應的左上角像素）的絕對值，就是兩幅圖的像素差別。可以發現兩幅圖中有456處不同。（這裡使用的是Numpy提供的向量運算，只需要一兩行Python代碼，用於最近鄰算法，就能實現）

Q4：在訓練集中，訓練和測試的過程可以多快呢？

Justin：所需的時間是，存儲數據的時間（恆定）+比較訓練圖和測試圖時間（慢）。一般來說，訓練過程在數據中心完成的（快），測試過程是在手機、瀏覽器其它低能耗的設備上完成的（慢），這種方式相當落後。為了讓速度加快，我們選擇卷積神經網絡和其他參數模型，讓測試過程加快。使用了最近鄰算法。

Q5： 我們想訓練圖像分類算法，具體怎麼操作？

Justin：我們常見的做法，是把數據分為三組，大部分數據作為訓練集，然後再建立一個驗證集和測試集，在訓練集上用不同的超參來訓練算法，在驗證集上進行評估，然以後再用超參，來選擇在驗證集上表現最好的，再把這組驗證集上表現最佳的分類器拿出來在測試集上跑一跑，這才是你要寫到論文中的數據。這個數據告訴你，你的算法在未見的新數據上表現如何。記得，要分隔驗證集和測試集，通常到最後一刻我們才會接觸到測試集。

Q6：線性分類是什麼？

Justin：線性分類是一種非常簡單的學習算法，可以幫助我們建立起整個神經網絡和卷積網絡。神經網絡就像玩樂高，你可以擁有不同種類的神經網絡組件，並且可以將這些組件組合，來構建不同的大型卷積網絡，它是我們在不同類型的深度學習應用程式中，看到的最基本的構建塊之一。卷積神經關注圖像，而循環神經關注語言，我們可以把這兩個網絡放在一起，再一起訓練，最終得到一個超級厲害的系統。深層神經網絡像樂高玩具，而線性分類器就像這個巨大網絡中的基礎模塊。這是線性分類器的基本工作原理。

以上是Lecture 2 | Image Classification的重點內容，當然導師還具體回答了同學們的提問，詳細解答了K-最近鄰算法、線性分類器的相關技術細節。

為了方便大家交流，AI研習社專門開闢了社區供大家交流。在社區中，目前支持大家提問/回答，以及發布文章，可以插入圖片、視頻、超連結、代碼塊、公式編輯器，歡迎大家在社區中進行更多形式的交流~社區地址：www.mooc.ai/bbs 

現在我們誠摯邀請正在學習CS231n課程的小夥伴來講解這門課的課後作業，這門課共有3個 Assignments 以及1個 Final Project ，你可以選擇其中一個或幾個來進行分享講解~詳情連結：http://cs231n.github.io/

目前雷鋒字幕組還有許多優秀AI課程仍在翻譯中，希望和我們一起翻譯學習進步，歡迎微信聯繫 julylihuaijiang，加入我們。

雷鋒網原創文章，未經授權禁止轉載。詳情見轉載須知。