orange图像识别

实验介绍：

图像识别是人工智能的重要领域

怎么识别图像呢？
人眼识别人的性别
看头发长度，身型，穿衣打扮这些特征，比如：长发是女孩，短发是男孩。
使用神经网络算法就可以自动学习特征并用于分类等任务。

一：神经网络

比如识别手写数字，如果一个像素一个像素地识别，那么计算量很大很复杂。如果总结出数字的特征，再进行逻辑回归识别，那会可实现得多。

每层学习一些特征

神经网络是好几层逻辑回归叠在一起
最终使用逻辑回归预测

神经网络分为三层

神经网络的隐藏层多几层就是深度神经网络。

使用深度神经网络进行的机器学习就是深度学习

在orange里面深度学习部件如下

使用游乐场体会深度神经网络

拖出游乐场并双击打开

里面有四种不同的数据集
比如异或问题是非线性问题，之前学习的逻辑回归是线性分类器，线性分类器逻辑回归解决不了非线性的异或问题，所以需要深度神经网络。


可以看见损失一直下降最终趋于平稳
不同的数据有了不同的颜色的背景

二：卷积神经网络

我们使用卷积神经网络进行对手写数字的识别

一个完整的工作流如下

所有部件都在深度学习里

勾选训练和测试

如果少了训练的数据，数据的准确率会大幅度降低

识别原理

图像以数字矩阵的形式存储在计算机中，其中这些数字称为像素值。
0最暗，255最亮。

彩色图片又称rgb图片
rgb是红（red）绿（green）蓝（blue）三原色的缩写。
三原色不同的灰度构成了所有的颜色

简单的操作如下

选择手写数据文件夹，只要预测，点击载入图片
！注意，选择sample文件夹即可，不选子文件夹，这一步需要输入大量图片。

测试数据在orange官网可以找到，还有教程
点击底下❓

再点击数据，即可跳转下载链接

打开模型训练与测试，点击开始训练

完成如图

打开CNN学习器，点击观察并输出模型

完成如图

下面的图片加载器输入你想识别的图片
可以自己手写上传，也可以在网上找，下载官网的等等

点击CNN预测

完成