深度学习入门(Deep Learning Onramp Using MATLAB)

说明：利用MATLAB实现一些深度学习的项目，理解深度学习中的基础概念
MATLAB Version: R2018b
AlexNet: 一个已经训练好的神经网络

1.深度学习在图像识别中的应用

你应该听过深度学习的概念，但它究竟是什么？优点又是什么？

• 深度学习是一种机器学习技术，利用深度神经网络，对输入进行预测。相比于传统的图像识别，深度学习技术是端到端的，更加快速，且准确率极高，有时甚至超过人类。
• 应用如：驾驶员辅助系统，医学图像处理，质量检测......

2.使用别人已经训练好的网络(Pretrained Networks)

2.1 示例：识别图片中的物体

• 读入图片，显示图片

2.2 预测

• 导入预训练网络，进行预测

2.3 卷积神经网络结构

• 如何查看网络的结构，CNN一般有哪些网络层构成。

2.4 检查预测结果

• 如何查看深度神经网络预测得到的结果

3.如何进行图像的采集(Image Collections)

3.1 图像数据存储(Datastore)

• 一种特别的变量，Datastore，在处理批量图片时极为方便

3.2 使用子文件夹创建Datastore

• 高效便捷的导入图片

3.3 图像预处理

• 裁剪、添加标签等

4.迁移学习(Transfer Learning)

4.1 什么是迁移学习

• 迁移学习就是利用现有的别人已经训练好的神经网络，调整输入和输出层以及相应的网络参数，为自己所用的学习。

4.2 迁移学习的关键之处

• 1.一组网络层，对迁移学习来说，这些网络层由已存在的网络所提供，例如AlexNet这样的网络
• 2.已经做好标签的图片数据，这些会被用来训练网络
• 3.能够控制学习表现的参数

4.3 工作流程

• 1.准备训练数据
• 2.修改网络层
• 3.设置训练参数
• 4.训练网络
• 5.评估网络

4.8 迁移学习总结

5.项目：蛔虫生命检测

• 蛔虫的图片过多，就不上传了，如有需要，欢迎跟我联系，我的邮箱: [email protected]。