一一中文网

手机浏览器扫描二维码访问

第65章 计算机视觉（第1页）

窗外的鹏城湾在晨光中泛起粼粼波光，林晨揉了揉有些发酸的眼睛，将昨晚整理的NLp学习笔记保存归档。

连续两周沉浸在transformer架构和bERt模型的原理中，那种从困惑到豁然开朗的过程让他着迷。

但作为一个有十年开发经验的老码农，他深知技术学习的广度同样重要——特别是在AI这个日新月异的领域。

“接下来该学计算机视觉了”

。

林晨打开笔记本，新建了一个名为“cV_Learning”

的文件夹。

计算机视觉（puterVision），这个让机器“看懂”

世界的领域，对林晨来说既熟悉又陌生。

熟悉的是，他在跨境电商公司工作时接触过简单的图像处理，比如商品图片的自动裁剪和优化；陌生的是，那些基于深度学习的现代cV技术，对他而言还是一片待开垦的沃土。

他先花了一个上午时间梳理知识体系。

从最基础的图像表示（像素、通道、色彩空间）开始，到传统的图像处理方法（边缘检测、特征提取），再到深度学习的革命性突破。

当他看到2012年AlexNet在ImageNet竞赛中以压倒性优势夺冠的那张历史性图表时，内心涌起一阵技术人特有的激动——那是深度学习在cV领域的第一声春雷。

“卷积神经网络（cNN）……”

林晨喃喃自语，点开了吴恩达教授在coursera上的经典课程。

卷积层、池化层、全连接层，这些概念像拼图一样在他脑中逐渐拼接成型。

他特别喜欢卷积操作的那个直观比喻：用一个小的滤波器（比如3x3的矩阵）在图像上滑动，就像拿着放大镜一寸寸地查看图像中的局部特征。

“所以边缘检测其实就是一种特定的卷积核”

。

林晨在JupyterNotebook里敲下几行代码，用opencV库加载了一张鹏城湾夜景的照片，然后尝试用Sobel算子提取边缘。

当黑白分明的轮廓线在屏幕上显现时，他仿佛听到了图像在向他“说话”

。

午饭是苏婉提前准备好的便当，林晨一边吃着，一边继续研究。

cNN的进化史像一部技术史诗：从LeNet-5的手写数字识别，到AlexNet的深度突破，再到VGGNet那令人印象深刻的“3x3卷积堆叠”

设计哲学。

但真正让他屏住呼吸的是ResNet（残差网络）。

“跳跃连接（Skipconnection）……”

林晨反复阅读着何恺明那篇着名论文中的图示。

当神经网络层数加深时，梯度消失问题会让训练变得极其困难，而ResNet通过让信息“跳过”

某些层直接传递，巧妙地解决了这个问题。

他在草稿纸上画着示意图：“假设我们要学习一个映射F（x），传统的网络试图直接拟合F（x），而ResNet学习的是残差F（x）?x，然后输出x＋［F（x）?x］＝F（x）。

这样即使深层网络的权重更新很小，至少恒等映射的部分能保证信息流通……”

“太优雅了”

。

林晨忍不住赞叹。