如何通过人工神经网络实现图像识别？

假如在人工智能里定义一个女人需要满足100个特征，那么在海量的图像里只要满足这100个我们定义的特征，那么她就是女人。

人工神经网络作为一个新技术正不断融入各个学科，其独有的优势在数字图像处理中也得到了不错的运用。针对卷积神经网络做图像识别，则是一个相当火的方向，如腾讯云识别，只要上传任意一张图像就能识别出图中有人还是有花等，那这到底是怎么实现的呢？

下面我们就以如何通过神经网络识别人物肖像来说事。

假设有一张女人的图像：

这是一张大小为350x450的图像，那现在我们在人工智能里设定，如果在看到其他的图，只要其大小为350x450，并且所有像素点跟上面这张图一样，那就判定图中的人是女的。

很显然，在海量的图像里除了这张能再找到完全一样的才怪。那怎么办嘞，每个人都长的不一样，有的白一点，有的黑一点，即使是同一个女人，也有可能她吃胖了，那岂不是认不出来了？

这时神经网络发挥作用了，我们看这张图时看到了什么特征？帽子、长发、卷发、大眼睛而且还露背了。

再分析一下，头发是黑色的，黑色的像素亮度低，头发一般是一簇的，卷发是大卷的，大眼睛在整个脸部占比多一点，好像都是废话，但对于神经网络不是，这都是特征。

若我们有10万张长发的人的图像，让神经分析所有图中像素点的位置和像素点的值的共同点，最终会得到一个网络，只要跟这个网络里记忆的特征相同或者相似的就会被定义为长发。10万个长发发型样本几乎覆盖了所有能想到的发型，当再拿一张长发的人的图像来通过网络，就会查到一个大多数女人的特征：长发。

那该有人问了，这还是不能知道图中的人是男是女啊，有的动物也是长发，比如马。。。。。。

那我们再增加特征呗，10万张嘴的特征，10万张鼻子的特征等，只管往上加，每一个物种都有其共同特征和独有特征。

假如在人工智能里定义一个女人需要满足100个特征，那么在海量的图像里只要满足这100个我们定义的特征，那么她就是女人。

最后，记得关注微信公众号：镁客网（im2maker），更多干货在等你！