机器学习/深度学习

近年来，随着科技的快速发展，人工智能不断进入我们的视野中。作为人工智能的核心技术，机器学习和深度学习也变得越来越火。一时间，它们几乎成为了每个人都在谈论的话题。那么，机器学习和深度学习到底是什么，它们之间究竟有什么不同呢？

机器学习是一类算法的总称，这些算法企图从大量历史数据中挖掘出其中隐含的规律，并用于预测或者分类，更具体的说，机器学习可以看作是寻找一个函数，输入是样本数据，输出是期望的结果，只是这个函数过于复杂，以至于不太方便形式化表达。

深度学习是机器学习的一种，而机器学习是实现人工智能的必经路径。深度学习的概念源于人工神经网络的研究，含多个隐藏层的多层感知器就是一种深度学习结构。研究深度学习的动机在于建立模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本等。对应的深度学习也有主流的三个分支，即计算机视觉（CV）、自然语言处理（NLP）和推荐系统（RS）。

我们也成功的在实际项目中实践应用了深度学习的算法。在CEC石墨烯电池极板外观瑕疵检测中，我们遇到了两个困难。首先是样本背景复杂，样本并非光滑平整的平面，而是有凹槽沟道的纹路背景，传统方法难以识别纹路和瑕疵的区别。其次，我们拥有的样本十分有限，需要获得更多样本以支持目标检测的训练。因此我们搭建并训练来了两个神经网络来实现样本扩增与目标检测这两个任务。样本扩充使用了比较热门的生成对抗网络（GAN）技术，目标检测使用了成熟的SSD目标检测模型。依赖于神经网络的强大拟合能力，我们得以成功克服困难实现既定目标。

生成对抗网络（GAN）结构示意图

SSD目标检测网络结构示意图

石墨烯电池极板实际检测效果

/ 联系我们 / 

地址：北京市海淀区北京邮电大学

邮箱：[email protected]

供稿：许嘉麒

编辑 / 孙童

扫码关注我们