Python机器学习实践指南

尽管有关文本和数值型数据的机器学习应用是讨论得最多的，还有大量的类似应用是关于图像的。其中许多集中在具有深远影响的前沿研究领域。

如今，我们习惯于运行Google搜索，从三个星期前阅读的一个新闻故事来找到一些奇怪的文本片段，并将第一项作为期待的结果。现在，想象一下，如果我们能够对图片、电影和GIF动图做同样的事情，那会怎样？例如，让我们假设你在六个月前看到一个GIF，它是完全适合你当前的Slack①聊天，但你所能记住的只是它有一只美洲驼，而一个男子试图喂它。现在，你很难找到这张动图，因为大多数图片搜索需要利用标签和图像周围的文本。然而在过去几年中，像Google这样的公司，在机器为图像内容打标签的方面取得了惊人的进步。当这项研究完全公布于众让大家都来使用，它会从根本上改变我们搜索图像的方式。

在 Google Research 的这篇博文中（http://googleresearch.blogspot.com/2014/11/a-picture-is-worth-thousand-coherent.html），他们描述了实现这一目标的进展，并阐述了完成它的一些技术挑战。例如，在图 8-1 中，可以看到炉子上有两个比萨饼。

为了像这样标记图像，不仅需要理解每个对象，还需要理解它们之间的关系。即使那样，标签还需要与自然语言的短语匹配——也就是匹配人类的描述。例如，即使在技术上是正确的，一个人也永远不会将这张图标注为“在两个彼此相邻的比萨饼之下的烤箱”。

图像机器学习的另一种应用是人脸识别。你可能看过最近的新闻讨论了 Facebook 的DeepFace 技术。据报道，这个应用程序是如此的先进，即使图像是人们的后脑勺，它也可以识别某个人——而且它识别的准确度近乎完美。

虽然这似乎对整个社会有可怕的影响，但是对于 Facebook 而言，这是价值连城的技术。

一旦某个人在单张照片中被加注了标签，那么不再需要其他附加的标签——未来所有的照片的标注都是自动进行的。

应该指出这是一项艰巨的任务。一个人头发、服饰、年龄的改变——更别提每张照片中不同的拍摄角度和光线——都使得这项任务变得极具挑战性，甚至对人类也是如此。事实上，就像计算机已经开始在游戏中（如 Alpha Go）超越人类，它们也开始在这种识别任务中赶超我们。

这种新的机器自我掌控水平来自于相对较新的一类算法，其术语是“深度学习”。本章稍后将仔细探讨深度学习，让你可以理解它与其他算法的不同之处，以及为什么它是如此的成功。然而，现在我们将从头开始，先来了解一下处理图像的基础知识。

①时下非常流行的一种企业聊天工具，包括了聊天群组、大规模工具集成、文件整合、统一搜索等功能。