選自zbigatron

作者：Zbigatron

機(jī)器之心編譯

參與：張楚、黃小天

本文作者認(rèn)為，深度學(xué)習(xí)只是一種計(jì)算機(jī)視覺工具，而不是包治百病的良藥，不要因?yàn)榱餍芯鸵晃兜厥褂盟鹘y(tǒng)的計(jì)算機(jī)視覺技術(shù)仍然可以大顯身手，了解它們可以為你省去很多的時(shí)間和煩惱；并且掌握傳統(tǒng)計(jì)算機(jī)視覺確實(shí)可以讓你在深度學(xué)習(xí)方面做得更好。這是因?yàn)槟憧梢愿玫乩斫馍疃葘W(xué)習(xí)的內(nèi)部狀況，并可執(zhí)行預(yù)處理步驟改善深度學(xué)習(xí)結(jié)果。

本文的靈感同樣來自論壇中的一個(gè)常見問題：

深度學(xué)習(xí)已經(jīng)取代了傳統(tǒng)的計(jì)算機(jī)視覺嗎？

或是換種說法：

既然深度學(xué)習(xí)看起來如此有效，是否還有必要學(xué)習(xí)傳統(tǒng)的計(jì)算機(jī)視覺技術(shù)？

這個(gè)問題很好。深度學(xué)習(xí)確實(shí)給計(jì)算機(jī)視覺和人工智能領(lǐng)域帶來了革命性的突破。許多曾經(jīng)看似困難的問題，現(xiàn)在機(jī)器可以比解決的比人類還好。圖像分類就是最好的印證。確實(shí)，如從前所述，深度學(xué)習(xí)有責(zé)任將計(jì)算機(jī)視覺納入行業(yè)版圖。

但深度學(xué)習(xí)仍然只是計(jì)算機(jī)視覺的一個(gè)工具，且顯然不是解決所有問題的靈丹妙藥。因此，本文會(huì)對(duì)此進(jìn)行詳細(xì)闡述。也就是說，我將說明傳統(tǒng)的計(jì)算機(jī)視覺技術(shù)為何仍十分有用，值得我們繼續(xù)學(xué)習(xí)并傳授下去。

本文分為以下幾個(gè)部分/論點(diǎn)：

深度學(xué)習(xí)需要大數(shù)據(jù)

深度學(xué)習(xí)有時(shí)會(huì)做過了頭

傳統(tǒng)計(jì)算機(jī)視覺將會(huì)提升你的深度學(xué)習(xí)水平

進(jìn)入正文之前，我認(rèn)為有必要詳細(xì)解釋一下什么是「?jìng)鹘y(tǒng)計(jì)算機(jī)視覺」，什么是深度學(xué)習(xí)，及其革命性。

背景知識(shí)

在深度學(xué)習(xí)出現(xiàn)以前，如果你有一項(xiàng)諸如圖像分類的工作，你會(huì)進(jìn)行一步叫做「特征提取」的處理。所謂「特征」就是圖像中「有趣的」、描述性的、或是提供信息的小部分。你會(huì)應(yīng)用我在本文中稱之為的「?jìng)鹘y(tǒng)計(jì)算機(jī)視覺技術(shù)」的組合來尋找這些特征，包括邊緣檢測(cè)、角點(diǎn)檢測(cè)、對(duì)象檢測(cè)等等。

在使用這些與特征提取和圖像分類相關(guān)的技術(shù)時(shí)，會(huì)從一類對(duì)象（例如：椅子、馬等等）的圖像中提取出盡可能多的特征，并將其視為這類對(duì)象的「定義」（稱作「詞袋」）。接下來你要在其它圖像中搜索這些「定義」。如果在另一個(gè)圖像中存在著詞袋中相當(dāng)一部分的特征，那么這個(gè)圖像就被歸為包含那個(gè)特定對(duì)象（如椅子、馬等等）的分類。

這種圖像分類的特征提取方法的難點(diǎn)在于你必須在每張圖像中選擇尋找哪些特征。隨著你試圖區(qū)分的類別數(shù)目開始增長，比如說超過 10 或 20，這就會(huì)變得非常麻煩甚至難以實(shí)現(xiàn)。你要尋找角點(diǎn)？邊緣？還是紋理信息？不同類別的對(duì)象最好要用不同種類型的特征來描述。如果你選擇使用很多的特征，你就不得不處理海量的參數(shù)，而且還需要自己來微調(diào)。

深度學(xué)習(xí)引入了「端到端學(xué)習(xí)」這一概念，（簡(jiǎn)而言之）讓機(jī)器在每個(gè)特定類別的對(duì)象中學(xué)習(xí)尋找特征，即最具描述性、最突出的特征。換句話說，讓神經(jīng)網(wǎng)絡(luò)去發(fā)現(xiàn)各種類型圖像中的潛在模式。

因此，借助端到端學(xué)習(xí)，你不再需要手動(dòng)決定采用哪種傳統(tǒng)機(jī)器視覺技術(shù)來描述特征。機(jī)器為你做好了這一切。《連線》雜志如此寫道：

舉例來說，如果你想教會(huì)一個(gè) [深度] 神經(jīng)網(wǎng)絡(luò)識(shí)別一只貓，你不必告訴它去尋找胡須、耳朵、毛或是眼睛。你只需展示給它成千上萬的貓的圖像，它自然會(huì)解決這一問題。如果它總是會(huì)將狐貍誤認(rèn)為是貓，你也不用重寫代碼。你只需對(duì)它繼續(xù)進(jìn)行訓(xùn)練。

下圖描述了特征提取（使用傳統(tǒng)計(jì)算機(jī)視覺）和端到端學(xué)習(xí)之間的這種區(qū)別：

以上就是背景介紹。現(xiàn)在接著討論為什么傳統(tǒng)計(jì)算機(jī)視覺仍然必不可少，而且學(xué)習(xí)它仍大有裨益。

深度學(xué)習(xí)需要大量數(shù)據(jù)

首先，深度學(xué)習(xí)需要數(shù)據(jù)，許許多多的數(shù)據(jù)。前文提到過的著名圖像分類模型的訓(xùn)練都基于龐大的數(shù)據(jù)集。排名前三的訓(xùn)練數(shù)據(jù)集分別是：

ImageNet——150 萬圖像，1000 個(gè)對(duì)象分類/類別；

COCO——250 萬圖像，91 個(gè)對(duì)象分類；

PASCAL VOC——50 萬圖像，20 個(gè)對(duì)象分類。

但是一個(gè)訓(xùn)練不良的模型在你的訓(xùn)練數(shù)據(jù)之外很可能表現(xiàn)糟糕，因?yàn)闄C(jī)器并沒有對(duì)于問題的洞察力，也就不能在沒看到數(shù)據(jù)的情況下進(jìn)行概括歸納。而且對(duì)你來說查看訓(xùn)練模型內(nèi)部并進(jìn)行手動(dòng)調(diào)整又太過困難，因?yàn)橐粋€(gè)深度學(xué)習(xí)模型內(nèi)部擁有數(shù)以百萬計(jì)的參數(shù)——每個(gè)參數(shù)在訓(xùn)練期間都會(huì)被調(diào)整。某種程度上說，一個(gè)深度學(xué)習(xí)模型就是一個(gè)黑箱。

傳統(tǒng)的計(jì)算機(jī)視覺完全透明，允許你更好地評(píng)估判斷你的解決方案是否在訓(xùn)練環(huán)境之外依然有效。你對(duì)問題的深入見解可以放進(jìn)你的算法之中。并且如果任何地方出現(xiàn)故障，你也可以更輕易地弄清楚什么需要調(diào)整，在哪里調(diào)整。

深度學(xué)習(xí)有時(shí)做過了頭

這大概是我最喜歡的支持研究傳統(tǒng)計(jì)算機(jī)視覺技術(shù)的理由。

訓(xùn)練一個(gè)深度神經(jīng)網(wǎng)絡(luò)需要很長的時(shí)間。你需要專門的硬件（例如高性能 GPU）訓(xùn)練最新、最先進(jìn)的圖像分類模型。你想在自己還不錯(cuò)的筆記本上訓(xùn)練？去度個(gè)一周的假吧，等你回來的時(shí)候訓(xùn)練很可能仍未完成。

此外，如果你的訓(xùn)練模型表現(xiàn)不佳呢？你不得不返回原點(diǎn)，用不同的訓(xùn)練參數(shù)重做全部工作。這一過程可能會(huì)重復(fù)數(shù)百次。

但有時(shí)候所有這些完全沒必要。因?yàn)閭鹘y(tǒng)計(jì)算機(jī)視覺技術(shù)可以比深度學(xué)習(xí)更有效率地解決問題，而且使用的代碼更少。例如，我曾經(jīng)參與的一個(gè)項(xiàng)目是檢查每個(gè)通過傳送帶的罐子里是否有一個(gè)紅勺子。現(xiàn)在你可以通過前文敘述的曠日持久的過程來訓(xùn)練一個(gè)深度神經(jīng)網(wǎng)絡(luò)去檢測(cè)勺子，或者你也可以寫一個(gè)簡(jiǎn)單的以紅色為閾值的算法（將任何帶有一定范圍紅色的像素都標(biāo)記為白色，所有其它的像素標(biāo)記為黑色），然后計(jì)算有多少白色的像素。簡(jiǎn)簡(jiǎn)單單，一個(gè)小時(shí)就可以搞定！

掌握傳統(tǒng)的計(jì)算機(jī)視覺技術(shù)可能會(huì)為你節(jié)省大量的時(shí)間并減少不必要的煩惱。

傳統(tǒng)計(jì)算機(jī)視覺會(huì)提升你的深度學(xué)習(xí)技巧

理解傳統(tǒng)的計(jì)算機(jī)視覺實(shí)際上能幫你在深度學(xué)習(xí)上做得更好。

舉例來說，計(jì)算機(jī)視覺領(lǐng)域最為普遍使用的神經(jīng)網(wǎng)絡(luò)是卷積神經(jīng)網(wǎng)絡(luò)。但什么是卷積？卷積事實(shí)上是一種被廣泛使用的圖像處理技術(shù)（比如，索貝爾邊緣檢測(cè)）。了解這一點(diǎn)可以幫助你理解神經(jīng)網(wǎng)絡(luò)內(nèi)部究竟發(fā)生了什么，從而進(jìn)行設(shè)計(jì)和微調(diào)以更好地解決你的問題。

還有一件事叫做預(yù)處理。你輸入給模型的數(shù)據(jù)往往要經(jīng)過這種處理，以便為接下來的訓(xùn)練做準(zhǔn)備。這些預(yù)處理步驟主要是通過傳統(tǒng)的計(jì)算機(jī)視覺技術(shù)完成的。例如，如果你沒有足夠的訓(xùn)練數(shù)據(jù)，你可以進(jìn)行一個(gè)叫做數(shù)據(jù)增強(qiáng)的處理。數(shù)據(jù)增強(qiáng)是指對(duì)你訓(xùn)練數(shù)據(jù)集中的圖像進(jìn)行隨機(jī)的旋轉(zhuǎn)、移動(dòng)、裁剪等，從而創(chuàng)造出「新」圖像。通過執(zhí)行這些計(jì)算機(jī)視覺操作，可以極大地增加你的訓(xùn)練數(shù)據(jù)量。

結(jié)論

本文闡述了為什么深度學(xué)習(xí)還沒有取代傳統(tǒng)計(jì)算機(jī)視覺技術(shù)，以及后者仍值得學(xué)習(xí)和傳授。首先，本文將目光放在了深度學(xué)習(xí)往往需要大量數(shù)據(jù)才能表現(xiàn)良好這一問題上。有時(shí)并不具備大量數(shù)據(jù)，而傳統(tǒng)計(jì)算機(jī)視覺在這種情況下可作為一種替代方案。第二，深度學(xué)習(xí)針對(duì)特定的任務(wù)偶爾會(huì)做過頭。在這些任務(wù)中，標(biāo)準(zhǔn)的計(jì)算機(jī)視覺比起深度學(xué)習(xí)可以更為高效地解決問題，并且使用更少的代碼。第三，掌握傳統(tǒng)計(jì)算機(jī)視覺確實(shí)可以讓你在深度學(xué)習(xí)方面做得更好。這是因?yàn)槟憧梢愿玫乩斫馍疃葘W(xué)習(xí)的內(nèi)部狀況，并可執(zhí)行預(yù)處理步驟改善深度學(xué)習(xí)結(jié)果。

總而言之，深度學(xué)習(xí)只是一種計(jì)算機(jī)視覺的工具，而不是包治百病的良藥。不要因?yàn)榱餍芯鸵晃兜厥褂盟鹘y(tǒng)的計(jì)算機(jī)視覺技術(shù)仍然可以大顯身手，了解它們可以為你省去很多的時(shí)間和煩惱。

原文鏈接：http://zbigatron.com/has-deep-learning-superseded-traditional-computer-vision-techniques/

本文為機(jī)器之心編譯，轉(zhuǎn)載請(qǐng)聯(lián)系本公眾號(hào)獲得授權(quán)。