基于深度学习的图像识别进展百度的若干实践基于深度学习的图像识别进展百度的若干实践.pdf

专题 第 11 卷  第4 期  2015 年 4 月 基于深度学习的图像识别进展： 百度的若干实践 都大龙　余轶南　罗　恒　等 关键词 ： 深度学习　图像分类　物体检测 百度公司 概述：深度学习和图 语音有哪些信誉好的足球投注网站、图像识别等领域，涵 2. 深度学习不是一个黑箱 像识别 盖几十项产品。今天，用户在百 系统。它像概率模型一样，提供 度平台上的几乎每个服务请求， 一套丰富的、基于联接主义的建 近年来在人工智能领域最 都被深度学习系统所处理。 模语言 （建模框架）。利用这套 受关注的，非深度学习莫属。自 人工智能的特征之一是学习 语言系统，我们可以表达数据内 · 的能力，即系统的性能是否会随 在的丰富关系和结构，比如用卷 2006 年吉奥夫雷 辛顿(Geoffery Hinton) 等在 《科学》(Science) 杂 着经验数据的积累而不断提升。 积处理图像中的二维空间结构， [1] 所以，大数据时代的到来给人 用递归神经网络(Recurrent Neu- 志发表那篇著名的论文 开始， 深度学习的热潮从学术界席卷到 工智能的发展提供前所未有的机 ral Network , RNN) 处理自然语言 了工业界。20 12 年6 月，《纽约 遇。在这个时代背景下，深度学 等数据中的时序结构。 时报》披露 “谷歌大脑(Google 习在包括图像识别等方面所取得 3. 深度学习几乎是唯一的 Brain)”项目，由著名的斯坦福大 的突破性进展并非偶然。 端到端机器学习系统。它直接 学机器学习教授吴恩达(Andrew 在百度的实践中，我们认识 作用于原始数据，自动逐层进行 Ng) 和大规模计算机系统世界顶 到深度学习主要在以下三个方面 特征学习，整个过程直接优化某 · 具有巨大优势 ： 个目标函数。而传统机器学习往 级专家杰夫 迪恩(Jeff Dean) 共 同主导，用 1.6 万个CPU 核的 1. 从 统 计 和 计 算 的 角 度 往被分解为几个不连贯的数据预 并行计算平台训练深度神经网络 看，深度学习特别适合处理大 处理步骤，比如人工抽取特征， (Deep Neural Networks, DNN) 的 数据。在很多问题上，深度学习 这些步骤并非一致地优化某个整 机器学习模型，在语音和图像识 是目前我们能找到的最好方法。 体的目标函数。 别等领域获得巨大成功。 它集中体现了当前机器学习算法 让计算机识别和理解图像， 国内方面，20 13 年1 月，百 的三个大趋势 ：用较为复杂的模 是人工智能最重要的目标之一。 度成立深度学习研究院，公司 型降低模型偏差(model bias) ，用 尤其是在移动互联网时代，智能 CEO 李彦宏担任院长。短短两年 大数据提升统计估计的准确度， 手机上的摄像头将人们日常看到 时间，深度学习技术被应用到百 用可扩展(scalable) 的梯度下降 的世界捕捉下来，图像和视频数 度的凤巢广告系统、网页有哪些信誉好的足球投注网站、 算法求解大规模优化问题。 据暴增，造就了图像大数据时代。 32 第 11 卷  第4 期  2015 年 4 月 计算机视觉的主要内容就是图像 在将基于深度学习的图像识别应 户分析、商品推荐等互联网应用 识别 ：一方面，这个技术使得计 用于图像有哪些信誉好的足球投注网站、网页有哪些信誉好的足球投注网站、百度 中大有用武之地。 算机像人类视觉系统一样，具