飞令 FeeLink

← 返回教程目录

人工智能基础知识

你能认出同学写得歪歪扭扭的「7」,也能从照片中找出两只长颈鹿。计算机怎样学会做这两件事?我们从图像入手,看看人工智能怎样用数据学习,再用学到的知识处理新图片。

模型怎样从例子中学习

计算机视觉是人工智能的一个领域,研究怎样让计算机从图片和视频中获取信息。机器学习的一种做法,是给计算机许多带有正确答案的例子,让它从中找规律,这叫监督学习。

例如,把许多人写的数字图片和正确的数字一起交给模型。模型先猜,再用损失衡量预测和正确答案的差距,并调整内部的数值,也就是权重。反复做这个过程叫训练。拿训练好的模型去识别一张新图,叫推理。

课堂训练也可以从预训练模型开始。它已经在其他数据上学过一些图像特征,可以继续学习这次要识别的类别。

图像分类与目标检测

同一张长颈鹿照片,可以提出两个不同的问题。

  • 图像分类回答「整张图属于哪一类?」如果类别是长颈鹿、斑马和大象,模型可以给整张图选一个类别。识别单个手写数字也是分类。
  • 目标检测回答「图里有哪些目标,它们各在哪里?」如果照片有两只长颈鹿,理想的结果是两个框,每个框圈住一只,并标出类别。

给训练图片准备正确答案叫标注。这里的分类任务给整张图一个类别标签,检测任务还要为每个要识别的物体标出位置。

数据怎样帮助模型学习

如果训练图片里的数字「7」全是同一个人写的,模型遇到别人的写法就可能猜错。可以收集不同人的字迹,让例子更接近模型今后会遇到的情况。

  • 训练集像平时的练习题,模型用它调整权重。
  • 验证集像阶段测验,用来观察学习效果、比较训练设置。
  • 测试集像最后的考试,在选好模型和设置后再用它评估。

划分数据时,同一张图片只放进一个集合。如果是从视频里截取的画面,同一段视频里很相似的画面也尽量放在同一个集合,避免模型在测验里遇到几乎一样的题。

训练时可以调整什么

我们给训练过程设定的条件叫超参数。模型会在训练过程中学习权重。

  • 训练轮数(Epochs)决定计划把训练集练习几遍。设为 5 轮,就是计划练习 5 遍。训练得更久,验证效果有时还会改善,有时会变差。
  • 批量大小(Batch Size)是一批处理的图片张数。96 张图片按每批 8 张分,一轮有 12 批。每批图片越多,通常越占内存或显存。
  • 图像尺寸(Image Size)控制送给模型的图像大小。尺寸较小时,小目标容易丢失细节。尺寸较大时,模型通常需要做更多计算。
  • 学习率(Learning Rate)影响每次调整权重的幅度,像走路的步子。步子太小,学得可能很慢。步子太大,学习过程可能不稳定。

怎样判断模型学得好不好

模型在练习题上表现好,还要看它能否认出没见过的图片。这种能力叫泛化。如果训练损失一直下降,而验证表现开始变差,模型可能过于适应训练样本,这叫过拟合。

  • 分类看 Top-1 准确率。只看模型排第一的答案。20 张验证图答对 18 张,准确率就是 90%。
  • 检测可以看 mAP50–95。它综合考查类别和框的位置。看具体图片时,还可以数一数有几个漏掉的目标、几个画错的框。
  • 置信度是模型给单次预测的分数。即使分数很高,也可以用原图或标注核对答案。

在飞令里做一次小实验

用同一批手写数字图片、同一份数据划分和同一个起始模型做两次分类训练,只改变「训练轮数」。到「验证指标」比较两次的 Top-1 准确率,再用选好的模型识别几张留作测试的新图。记录哪些数字容易认错,看看它们的写法有什么相似之处。

阅读学生手册与课堂练习 →