概览

图像识别的工作原理

图像可以被视为像素组成的数组。在大多数情况下，每个像素都可以看作是一组三个数字，分别对应像素的RGB值。因此，图像识别的第一步是将所有图像数据处理为包含每个像素数值RGB值的数组。

处理完图像后，我们将这些数据数组输入卷积神经网络。卷积神经网络（CNN）是一种在图像相关任务中表现极为出色的神经网络类型。本课程中，你将学习CNN的架构以及各种CNN的变体。

CNN会对输入的图像数据进行一系列计算，输出一个概率值（或在多分类任务中输出一组概率值）。概率最高的类别即为CNN对图像的分类结果。关于使用神经网络进行分类的更多内容，请参阅《软件工程师的机器学习》课程。

本课程将提供什么

完成本课程后，你将能够处理图像数据，使用图像数据训练CNN，并利用CNN进行图像识别。具体来说，你将能够：

• 将原始图像处理为可用于机器学习的数据。这包括图像标准化、图像缩放和数据增强等技术。
• 从零开始构建CNN，并掌握SqueezeNet、ResNet等不同类型的CNN变体。
• 使用CNN执行多种图像识别任务，从数字识别到ImageNet数据集的分类。