图形识别技术的一次重要转折

图像识别一个重要里程碑，莫过于要提及ImageNet。

早在2009年，ImageNet被创立，它包含了320万张图片，是一个供计算机视觉研究人员使用的数据库。

它的作用在于，希望英文里的8万多个名次，每个名词都能在数据库里找到对应的几百张图片。大家都可以基于里面大约120万个已经标记好分类的图片作为训练样本，用自己的识别技术来处理对其他图像的分类，看看谁的错误率最低。

具体的做法是，计算机看到一张图片的时候，给出最有可能的5个分类，如果正确答案不在这5个分类里面，那么就视为错误。

2010年的第一名，错误率为28%，用的是支持向量机（SVM）的技术，这种技术本质上就是在数据的不同类别之间，找到最佳的分界线，在更高维度中表现为找到一个"超平面"，把数据划分为两组不同的类别。

这个技术一直是当时的图像识别问题的主流，随着数据量和算法的增加，卷积神经网络（CNN）才慢慢追赶了上来。

卷积神经网络中的卷积是一个数学操作，用于合并两个信息源。举个例子来简单说明，比如你有一张网格纸，上面有圆形、方形和三角形等，你有一个小的透明模版，上面有一个特定的圆形图案，你将这个模版放在网格纸上的每一个位置上，然后记录下模版和网格纸的图形相似程度，所谓卷积，就是在合并这两个信息。这里的模版就是一个过滤器。

卷积操作会在每个位置计算窗口和图像部分的元素乘积计算。从而提出图像边缘、纹理这些特征。卷积神经网络需要多层的卷积操作，才能逐步抽象出更高层次的特征，用来更好地识别和分类图像。

而"过滤器"的提出，是神经网络的一个重要里程碑，我在之前《谁举起了停滞了70年的人工智能行业》里有所提及。

卷积神经网络（CNN）和支持向量机（SVM）都是用于处理分类任务，但CNN偏向于利用卷积层自动提出特征，比较适合处理图像视频等高维度的数据，SVM通常需要手动构建特征，然后再基于这些特征的基础上找到最优的"分界线"进行分类，适用于数据维度较低的数据，如表格数据之类的。

回到我们提及的图像识别比赛，由神经网络教父Hintong带领的团队，利用卷积神经网络花了6天时间，把120万样本图像接收训练，当时用的是Nvidia 的GTX 580 CPU，计算速度为1.6万亿次浮点计算，他们在比赛中的错误率为15.3%。

这是二十多年来第一次在图像识别领域，重重地挫败了主流技术支持向量机（SVM）。

这是2012年的10月，卷积神经网络（CNN）侧重在大量的计算上，只有通过大量计算才能更好地抽离出数据特征，12年后的今天，在单精度浮点计算的情况下，Nvidia的H100已经能达到480万亿次浮点计算，是当初的300倍。

你在这里能得到什么？

我始终认为：最有价值的时刻，在于你是否真正捕获了更多客观的一手信息，并修补了以前自己错误的观点，得到一些启发，这是你和大多数人真正拉开距离的时刻。

你能在这里能得到一些启发，偶尔一两个就够了，人的差距在于思维模式的差异。

文章表达个人观点仅供参考，不构成对所述资产投资建议，投资有风险，入市须谨慎.