计算机视觉的深度学习和神经网络算法，模拟大脑的架构，从而能够最后解释真实大脑的工作机制，即神经认知。将复杂的难以理解的数据整理抽象为我们可以理解的信息，如视觉的图像视频信息需要整理。而神经网络的框架，能够解决识别问题
信息的存储格式，像素。以矩阵的格式来存储。我们接下来需要处理指数级爆炸的视觉信息。因此我们需要理解，就需要不断抽象，如标记/分类/索引等等，这实际上也是我们理解这些信息的机制。我们就是通过不断的升维来实现各种复杂的功能。
以进化的观点来理解感觉的形成和进化。视觉的出现可能就是寒武纪生物大爆炸出现的一个原因，因为生物能够提取关于世界更多的信息，从而能够解释多样性的形成。以最简单的眼睛的出现为起点，由于生存的压力，基因的漂移，使得大多数生物都拥有这种新奇的结构。并且在这个基础上展开军备竞赛般的进化，在这个基础上打补丁式地修修补补，一直进化到现在生物的各种眼睛。比如说视觉皮层与眼睛有相当的距离。
基础视觉皮层（后脑勺ex）能够处理大量的视觉信息，是视觉处理流程的第一步。图片的内容没有激活神经元，而更换图片的动作能够引起注意（hubel，wiesel等等），因为皮层对这种边缘效应敏感，不同的神经元组合对不同的组合敏感，即我们的神经元只是对特征敏感。因此第一步是对特征的提取如形状，边缘，排列等等。其能够引起特定组织结构的神经元激活，通过这些特征的组合，我们能够理解更加高维的结果，如从图片识别出人脸（边缘决定结构，如同牛顿-莱布尼茨公式，从底层升维到高维。然后就是线性代数的思路：世界可以分解为线性无关的基底，然后其他的事物都是其选择性组合；这是从顶到底的思路）。因此深度学习就是利用多层神经网络构建的复杂映射来识别复杂的输入。
然后视觉应该是分层的，第一层是边缘层次……最后能够升维到足够高维的空间，从而适用于各种情况。这启发我们的学习过程就是构建新的层次，如同神经网络的隐藏层（特征features学习），这是建模的思路。
视图分割和分组（如人脸识别）是理解图片的第一步，识别是更加高维的层次，如可以通过识别特征来推断整体，如看到老虎的花纹就可以推断老虎的出现。这种模式的学习能够指导更多低维情境下的识别。
物体识别需要同一套评价体系来比较不同算法的性能优劣。如enet数据集。运行训练卷积神经网络算法cnn，本质上就是提出一个函数，能够以一定的准确率来进行良好的分类，然后通过参数的调整来构造出来（如同级数展开，对特征的线性组合，层数越多越精确）。这需要大规模数据的训练和gpu等等硬件的发展。
图像分类，物体检测，即在分类的基础上进一步地理解图片，如以人类能够理解的语言来描述。而更深层次的理解，需要结合我们已有的理解进行选择性组合。当然，需要与人类这个超有机体的思想进行比较，因为个体总是有一定的局限性。我们认为所谓的分类就是找到一定的高维模式，从而能够理解不同低维情况下的同一物体，如各种情况的猫（睡觉，玩耍，撒娇等等），我们相信存在这样的特征，本质上是一种函数的存在性证明。
卷积神经网络：高效能的硬件运行计算更大的模型（gun网络的基础上有更进一步的发展如alexnet，vgg等等。
神经网络算法构建过程：1建立工程，导入工具包（sklearn等等）；2导入数据集的数据，转换为一定的数据结构（如图片的n*n数组转换为一维数组）；3进行神经网络算法的参数设置如隐藏层数，学习率，单层神经元个数等等4进行评价，准确率和召回率等等指标来评判算法性能；
神经网络算法本质上是在构造一个能够完成我们理想中目标的函数，我们假设其存在，然后通过我们需要的各种性质来定义这个函数，隐藏层可以理解为级数展开，具体的神经元的权重可以理解为具体的级数/特征的参数。f=∑wixi（wi是具体的参数即权重，xi是特征）。理论上，我们可以通过足够多的对象的组合来逼近理论上存在的函数，但这就需要耗费太多的计算资源，而提升的精确度有限。以线性代数的思想就是构造各种复杂的映射。
神经网络的反向传播算法，链式法则的应用，首先构造出复杂的多变量的函数，然后通过细化的求导来确定简单的关系，即梯度。而我们构造的函数，最后就是这些梯度收敛的结果。
oid函数：1/（1+e^-x）
2017/8/9
神经网络算法可以适用于不同领域的问题，说明其可能是某种底层的运算机制。是一种通用体系，如同图灵机，能够通过大规模数据的输入产生一定的输出，这些输出就对应于我们的要求如图像分类等等。神经网络算法的大量参数，其实对应于函数的拟合，我们相信存在特定的参数能够具有生物学意义（能量最低化）。更大的参数的学习可以识别更加高级的特征，这和微积分基本定理是一致的。如从边缘/颜色等等底层的特征不断升维到复杂对象的识别如人脸识别。参数的确定就是最优化的思路，如同能量最低化，收敛到最稳定的结果。或者可以理解为泰勒级数的展开，参数的
喜欢学医路漫漫请大家收藏：(m.shudai.cc),书呆网更新速度最快。