資源簡介

(共16張PPT)
圖像識別技術
——以手寫數字識別為例
1號
2號
3號
先來做一個游戲
3號
2號
1號
思考：人是如何判斷相似圖像的，經歷了怎樣的過程？
1. 提取關鍵特征
2.對比原圖像的形狀
01
ONE
體驗人機交互
體驗人機交互
“猜畫小歌”是Google于2018年7月18日發布的首款微信小程序。谷歌表示，開發“猜畫小歌”小程序，是為了讓每個人都有機會體驗人工智能技術驅動下的人機交互。
在這個過程中，它并不編寫具體的規則，而是讓機器從“猜畫小歌”圖庫數據里自動學習其中的規律。只要畫出物體的特征，人工智能就能猜出來。
02
TWO
手寫數字識別的過程
手寫數字識別的過程
MNIST數據集是手寫數字圖像集，MNIST是機器學習領域最有名的數據集之一，MNIST數據集是由0到9的數字圖像構成，訓練圖像有6萬張，測試圖像有1萬張，這些圖像可以用于學習和推理。
手寫數字樣本庫
手寫數字識別的過程
特征提取
160*120*8 bit
16*12*8 bit
16*12*1 bit
降低分辨率
（像素化）
特征提取是通過剔除圖像中對分類沒有幫助的部分，提取出具有代表性的幾個特征的過程。
手寫數字識別的過程
圖像的預處理 —— 裁剪
3 3
3 3
裁剪后
特征提取
手寫數字識別的過程
利用KNN算法進行分類
手寫數字識別的過程
最近鄰（k-Nearest Neighbors, KNN）算法是一種分類算法，該算法的思想是：一個樣本與數據集中的k個樣本最相似，如果這k個樣本中的大多數屬于某一個類別，則該樣本也屬于這個類別。
機器學習之KNN算法
利用KNN算法進行分類
手寫數字識別的過程
利用KNN算法進行分類
手寫數字識別的過程
利用KNN算法進行分類
03
THREE
項目實踐
在Scratch中實現手寫數字識別
校外課程體系
畫筆模塊編寫手寫程序
03
項目實踐：在Scratch中實現圖像的像素化與二值化
校外課程體系
特征提取
03
項目實踐：在Scratch中實現圖像的像素化與二值化
校外課程體系
利用KNN算法進行分類
03
項目實踐：在Scratch中實現圖像的像素化與二值化

展開更多......

收起↑