4.2 One-Shot 学习-深度学习第四课《卷积神经网络》-Stanford吴恩达教授
| ←上一篇 | ↓↑ | 下一篇→ |
|---|---|---|
| 4.1 什么是人脸识别？ | 回到目录 | 4.3 Siamese 网络 |
One-Shot 学习 (One-Shot Learning)
人脸识别所面临的一个挑战就是你需要解决一次学习问题，这意味着在大多数人脸识别应用中，你需要通过单单一张图片或者单单一个人脸样例就能去识别这个人。而历史上，当深度学习只有一个训练样例时，它的表现并不好，让我们看一个直观的例子，并讨论如何去解决这个问题。
假设你的数据库里有4张你们公司的员工照片，实际上他们确实是我们deeplearning.ai的员工，分别是Kian，Danielle，Younes和Tian。现在假设有个人（编号1所示）来到办公室，并且她想通过带有人脸识别系统的栅门，现在系统需要做的就是，仅仅通过一张已有的Danielle照片，来识别前面这个人确实是她。相反，如果机器看到一个不在数据库里的人（编号2所示），机器应该能分辨出她不是数据库中四个人之一。
所以在一次学习问题中，只能通过一个样本进行学习，以能够认出同一个人。大多数人脸识别系统都需要解决这个问题，因为在你的数据库中每个雇员或者组员可能都只有一张照片。
有一种办法是，将人的照片放进卷积神经网络中，使用softmax单元来输出4种，或者说5种标签，分别对应这4个人，或者4个都不是，所以softmax里我们会有5种输出。但实际上这样效果并不好，因为如此小的训练集不足以去训练一个稳健的神经网络。
而且，假如有新人加入你的团队，你现在将会有5个组员需要识别，所以输出就变成了6种，这时你要重新训练你的神经网络吗？这听起来实在不像一个好办法。
所以要让人脸识别能够做到一次学习，为了能有更好的效果，你现在要做的应该是学习Similarity函数。详细地说，你想要神经网络学习这样一个用 ddd 表示的函数， d(img1,img2)=degree of difference between images ，它以两张图片作为输入，然后输出这两张图片的差异值。如果你放进同一个人的两张照片，你希望它能输出一个很小的值，如果放进两个长相差别很大的人的照片，它就输出一个很大的值。所以在识别过程中，如果这两张图片的差异值小于某个阈值 τττ ，它是一个超参数，那么这时就能预测这两张图片是同一个人，如果差异值大于 τττ ，就能预测这是不同的两个人，这就是解决人脸验证问题的一个可行办法。
要将它应用于识别任务，你要做的是拿这张新图片（编号6），然后用 ddd 函数去比较这两张图片（编号1和编号6），这样可能会输出一个非常大的数字，在该例中，比如说这个数字是10。之后你再让它和数据库中第二张图（编号2）片比较，因为这两张照片是同一个人，所以我们希望会输出一个很小的数。然后你再用它与数据库中的其他图片（编号3、4）进行比较，通过这样的计算，最终你能够知道，这个人确实是Danielle。
对应的，如果某个人（编号7）不在你的数据库中，你通过函数 ddd 将他们的照片两两进行比较，最后我们希望 ddd 会对所有的比较都输出一个很大的值，这就证明这个人并不是数据库中4个人的其中一个。
要注意在这过程中你是如何解决一次学习问题的，只要你能学习这个函数 ddd ，通过输入一对图片，它将会告诉你这两张图片是否是同一个人。如果之后有新人加入了你的团队（编号5），你只需将他的照片加入你的数据库，系统依然能照常工作。
现在你已经知道函数 ddd 是如何工作的，通过输入两张照片，它将让你能够解决一次学习问题。那么，下节视频中，我们将会学习如何训练你的神经网络学会这个函数 ddd 。
课程板书
| ←上一篇 | ↓↑ | 下一篇→ |
|---|---|---|
| 4.1 什么是人脸识别？ | 回到目录 | 4.3 Siamese 网络 |
4.2 One-Shot 学习-深度学习第四课《卷积神经网络》-Stanford吴恩达教授相关推荐
- 1.1 欢迎-深度学习第一课《神经网络与深度学习》-Stanford吴恩达教授
←上一篇 ↓↑ 下一篇→ 无 回到目录 1.2 什么是神经网络 欢迎 第一个视频主要讲了什么是深度学习,深度学习能做些什么事情.以下是吴恩达老师的原话: 深度学习改变了传统互联网业务,例如如网络搜索和 ...
- 2.19 总结-深度学习-Stanford吴恩达教授
←上一篇 ↓↑ 下一篇→ 2.18 Logistic 损失函数的解释 回到目录 3.1 神经网络概览 文章目录 总结 习题 第 11 题 第 12 题 第 13 题 第 14 题 第 15 题 第 1 ...
- 吴恩达卷积神经网络 笔记,吴恩达 深度神经网络
如何评价吴恩达的学术地位 吴恩达(AndrewNg),斯坦福计算机系的副教授,师从机器学习的大师级人物MichaelI.Jordan. 同门师兄弟包括ZoubinGhahramani,TommiJaa ...
- 4.1 什么是人脸识别-深度学习第四课《卷积神经网络》-Stanford吴恩达教授
←上一篇 ↓↑ 下一篇→ 3.11 总结 回到目录 4.2 One-Shot 学习 什么是人脸识别 (What is face recognition?) 欢迎来到第四周,即这门课卷积神经网络课程的最 ...
- 3.12 总结-深度学习-Stanford吴恩达教授
←上一篇 ↓↑ 下一篇→ 3.11 随机初始化 回到目录 4.1 深层神经网络 文章目录 总结 习题 第 21 题 第 22 题 第 23 题 第 24 题 第 25 题 第 26 题 第 27 题 ...
- 3.5 向量化实现的解释-深度学习-Stanford吴恩达教授
←上一篇 ↓↑ 下一篇→ 3.4 多个例子中的向量化 回到目录 3.6 激活函数 向量化实现的解释 (Explanation for Vectorized Implementation) 在上一个视频 ...
- 大总结-深度学习全五课-Stanford吴恩达教授
大总结 深度学习符号 此笔记中使用的数学符号参考自<深度学习>和 Deep learning specialization 常用的定义 原版符号定义中, x(i)x^{(i)}x(i) 与 ...
- 3.11 结论和致谢-深度学习第五课《序列模型》-Stanford吴恩达教授
结论和致谢 (Conclusion and thank you) 恭喜你能走到这一步,在最后这节视频中,只想做个总结,并给你一些最后的想法. 我们一起经历了一段很长的旅程,如果你已经学完了整个专业的课 ...
- 3.10 触发字检测-深度学习第五课《序列模型》-Stanford吴恩达教授
触发字检测 (Trigger Word Detection) 现在你已经学习了很多关于深度学习和序列模型的内容,于是我们可以真正去简便地描绘出一个触发字系统(a trigger word system ...
- 3.8 注意力模型-深度学习第五课《序列模型》-Stanford吴恩达教授
注意力模型 (Attention Model) 在上个视频中你已经见到了,注意力模型如何让一个神经网络只注意到一部分的输入句子.当它在生成句子的时候,更像人类翻译.让我们把这些想法转化成确切的式子,来 ...
最新文章
- 从iso镜像升级ubuntu
- Linux学习之系统编程篇：读写锁（pthread_ rwlock _init / rdlock / wrlock / unlock / destroy）
- sqlite to mysql_SqliteToMysql
- leetcode 199. Binary Tree Right Side View | 199. 二叉树的右视图（Java）
- php mysql插入的数据有引号_php – 由于’引号’的不同,数据没有插入到mysql数据库中...
- html整体引入js,html页面用js引入js的方式
- JavaScript学习笔记：创建自定义对象
- php 删除相对应的id,PHP 在下面这个留言板代码中加入删除按钮，每一个删除按钮删除相对应一行数据，这怎么弄...
- js放到head中失效的原因与解决方法
- The Normal Distributions Transform: A New Approach to Laser Scan Matching
- js删除字符串的最后一个字符几种方法
- SQL教程——TCL语言
- 超实用超全 || ZBrush笔刷大合集
- 桃李春风一杯酒，江湖夜雨十年灯。—第十一天
- java 滚动字幕_Java程序 实现图形面板上的字幕滚动效果
- Ubuntu 10.4 .安装Cairo-dock
- android手机投屏电视用什么,华为手机哪一款最好用 华为手机投屏到电视的5种方法...
- 盘点那些以“马”作为车标的汽车品牌
- php更换鼠标指针详细,鼠标指针替换教程（修正版 ）
- IAP的无线版（stm32无线下载程序）（基于有线升级）