一个3岁的小孩可以识别出鸟类的照片，然而最顶尖的计算机科学家们已经花了50年时间，来研究如何让电脑识别出并不相同的问题。漫画里的灵感就是这么来的。

　　在最近的几年里，我们终于找到了一种通过卷积神经网络（Convolutional Neural Networks）来进行物体识别的好方法。这些个词听起来就像是从威廉·吉布森的科幻电影编造出来的，但是如果你把这个想法逐步分解，你绝对可以理解它。

　　让我们完毕吧，我们一起来写一个识别鸟类的程序。

　　万物皆“数”

　　结论其实极其简答。神经网络会把数字当成输入，而对于电脑来说，图片其实恰好就是一连串代表着每个像素颜色的数字。

　　短浅的目光

　　仅仅把像素输入到神经网络里，就可以做出图像的识别，这棒极了！机器学习就像魔法一样！对不对！！

　　呵呵，当然，不会，这么，恰当，呵呵呵。（Well, of course it’s not that simple.感受作者的神之鄙视吧哈哈哈）

　　在机器学习这个领域中，有更多的数据总比一个更好的算法更关键！现在你知道为什么谷歌总是乐于给你提供无限量免费图片存储了吧？ 他们，需要，你的，数据！！

　　卷积是如何工作的

　　之前我们提到过，可以把一整张图片当做一串数字输入到神经网络里面。相同的是，这次我们会利用“位移物相同”（译者注：也就是平移不变性）的概念来把这件事做得更智能。

　　下面就是，它怎样工作的，分步追问——

　　第一步：把照片分解成部分重合的小图块

　　和上述的滑框收索类似的，我们把滑框在整个图片上滑过，并存储下每一个框里面的小图块：

　　

　　这么做之后，我们把照片分解成了多块同样大小的小图块。

　　第二步：把每个小图块导入到小型神经网络中

　　第三步：把每一个小图块的结果都留存到一个新的数列当中

　　第四步：缩减像素采样

　　最后一步：作出预测

　　所以从开始到结束，我们的五步就像管道一样相互连接：

　　

　　95%准确是有多准确？

　　我们的网络声称有95%准确。但是细节决定成败(devil is in the detail)，这意味着各种各样问题可能产生。

　　比如说，如果我们的训练数据有5%是鸟类而剩下95%不是呢？一个程序即使每次都猜“不是鸟”也能达到95%的准确率。这也就意味着这个程序并没有什么作用。

　　相比于准确度，我们必须更多的关注在数字本身。为了判别一个分类系统有多好，我们需要知道它是怎样出错误的，而不是仅仅关注它错了多少次。

　　与其只考虑我们预测的对与错，不如把我们的程序分解成四个不同的类别——

　　首先，对于那些被我们的网络正确辨认为鸟类而且确实是鸟类的，我们叫他们“真正类(True Positives)”

　　

　　第二，被辨认为非鸟类，而且确实是非鸟类的，我们叫“真负类(True Negatives)”

　　

　　第三，被辨认为鸟类，但却是非鸟类的，我们叫“假正类(False Positives)”

　　

　　第四，被辨认为非鸟类，但却是鸟类的，我们叫“假负类(False Negatives)”

　　

　　下面的数据是使用那15000张验证图片，在每种类别中我们猜测的数量：

　　

　　为什么我们要把结果做上述分类呢？因为并不是每一个错误产生的几率都是一样的。

　　设想如果我们写一个通过MRI图像来探测癌症的程序。如果我们探测到了癌症，我们更希望它是“假正类”而不是“假负类”。因为假负类是最可怕的情况——那就是你的程序告诉你，你绝对没有病，但实际上你已经病入膏肓了。

　　我们需要计算准确和召回指标(Precision and Recall metrics)而并不仅仅关注总体的准确度。准确和召回指标给了我们程序表现的一个清晰的反馈：

　　

　　这告诉我们，当我们猜“鸟类”的时候，97%的时候是正确的。但是这同时也告诉我们说，我们只找到了真实鸟类里面的90%。换句话说，我们可能不会找到每一只鸟，但是当我们找到一只鸟的时候，我们很确定它就是一只鸟！

　　关于我们

　　小花儿人工智能（www.xiaohuaerai.com）是一家专注于图像识别技术的人工智能科技公司，为迅雷、映客、酷狗、秒拍、美图等数百家知名互联网企业提供高可用的图像识别云服务，产品包括图像内容审核、人脸识别、美颜&特效、主播分类、OCR证件识别、自然场景识别等。

！　　，　　一个3岁的小孩可以识别出鸟类的照片，然而最顶尖的计算机科学家们已经花了50年时间，来研究如何让电脑识别出相同的问题。