两个月的深度学习和计算机视觉领域探索总结
摘要： 历经两个月对深度学习和计算机视觉领域进行探索，获得一些经验与总结。
我使用了iPad Pro和LiquidText进行阅读或记笔记
我下决心提高在计算机视觉和机器学习技术方面的熟练程度。作为一名Web开发人员，我发现这个快速成长的领域令人感到兴奋，但是我没有任何使用这些技术的背景经验。现在，我踏上了两年的旅程来探索这个领域。
最终，通过不断探索任何一个学习机会来激励自己，使自己不断的前行。最初，我并没有研究机器学习，但是我想回到对某一个课题感到兴奋的状态。为了参加一个为期一天关于加密货币的学术会议，我开始搜寻相关的知识，直到下午会议开始，我意识到机器学习和计算机视觉更有趣。
开始学习
在一本涵盖深度学习和计算机视觉的书出版的时候，我开始了这项探索。来自PyImageSearch.com的作者Adrian Rosebrock编写了一个三卷巨著，它涵盖了计算机视觉和深度学习的高层思想和低层应用。在探索深度学习的同时，我遇到了对线性回归、朴素贝叶斯（Naive Bayesian）应用、随机森林/决策树学习等大量的解释。
我花了几个星期的时间阅读这本书，并且感觉可以把所有已经读过的各种博文和数学概念的队列、抽象思维的概念以及它实际的编程应用联系起来。我很快就读完了这本书，从而更好地理解了如何从整体上走进这个领域。我获得的最大的结论便是，巩固自己的工具和硬件来构建计算机视觉软件。
硬件实现
受到启发后，我找到一个树莓派（Raspberry Pi）和RPI摄像机用来分析视频流。我从来都不知道配置树莓派会花费这么长时间。最初, 我希望仅仅用视频流启动和运行树莓派，并且处理计算机上的视频。我尽可能的使树莓派的操作系统可以正常工作。一旦我意识到什么出了问题，然后我就不小心安装了错误的图像驱动，并出乎意外的安装了导致冲突的软件。最初我以为的视频处理过程，结果变成了一个多小时的调试噩梦。
到目前为止，我已经意识到，调试是开始机器学习和计算机视觉所涉及到的一个大方面。
第1步：得到一个想法。
第2步：开始寻找工具来做这件事。
第3步：安装所需的软件。
第4步：陷入冲突和意料之外的版本问题。
https://aiyprojects.withgoogle.com/vision#list-of-materials
我最初基于树莓派的灵感是一个想法，配置一个带有摄像头和GPS信号的简单设备。这个想法是考虑到未来有多少车辆需要许多台摄像机进行导航，无论是什么样的交通工具，都将需要许多的摄像机导航。无论是出于保险目的还是基本功能的需要，可以想象出未来将会创建和使用大量的视频片段。在这个过程中，将会有大量的媒体库被闲置，并且成为了解世界的一个庞大的数据库。
我结束了探索树莓派的计算机视觉能力的工作，但是也没如我所愿成功的获得任何有趣的成果。我发现有很多价格便宜的类树莓派设备，在一个比整个树莓派小很多的的PCB板上仍具有互通性和摄像功能。我意识到与其走硬件路线，还不如使用旧的iPhone来开发一些软件。
我在探索深度学习的硬件组成上进行了简单的尝试，这使我意识到应该尽可能的坚持使用软件。当软件部分不能解决问题时，包含一个新的变量仅仅只会增加其复杂性。
开源工具
在到处寻找机器学习资源的第一个月中，我发现了很多启动和运行都非常容易的开源工具。我了解到FANG科技公司提供了很多专有的服务，但是并不能确定他们是如何和那些开源方案竞争的。在IBM, Google, Amazon和Microsoft上可以被用作SAAS工具的图像识别以及OCR工具使用起来比较简单。令我感到惊讶的是，有很多优秀的开源方案值得配置来避免一些不必要的服务依赖。
例如，几年前，我启动了一个IOS应用程序来收集和分享涂鸦照片。我从 Instagram 和Flickr等带有地理标记图像的公开API对图像进行索引。利用这些资源，我使用像标签和位置数据这样的基本特征来区分图像是否被涂鸦。最初，我每周开始对数千张图像进行索引，很快每月就扩大到数十万张。我很快的注意到，编入索引的很多图像都没有涂鸦，取而代之的则是对我努力建立的社区具有破坏性的图像。我无法阻止人们自己拍摄的低质量的图像，或者从别人的种子下载的用起来有安全风险的标记不良的图像。因此，我决定了关闭整个项目。
现在，利用为对象检测和人体检测提供的机器学习服务和开源实现，我可以推出自己的易用的检索图像服务。以前我需要付费服务做这个质量检查，如即便是不花费数千美元的API费用，也要花费数百美元。相反，我现在可以从一些“数据科学”AWS框架中下载一个AMI，创建自己的API来检查不需要的图像内容。即便仅仅在两年以前，这对于我也是遥不可及的。
概论
在一个更高的层次上，在经历这个过程以前，我以为我在理论上已经理解了大部分对象识别和机器学习的过程。在开始将我所使用的机器学习内容的关联点连接起来的过程以后，我对需要学习什么概念日渐清晰。例如，我并不仅仅知道线性代数对于机器学习很重要，现在我理解了如何将问题分解为多维数组/矩阵，并对其进行批量处理，以便找到可以在理论上表示的模式。在这之前，我知道在特征之间存在一些抽象的概念，以及如何将它们表示为可以在一系列评估项目中进行比较的数字。现在我更清楚地理解到，在很多直接和间接相互关联的因素下，机器学习的维度是如何表示的。矩阵数学的特征检测和评估的多维形式对我来说仍然是一个谜，但是我能够理解更高层次的概念。
以前难以辨认的网络架构图现在看起来很清晰
确切的来说，阿德里安·罗斯布罗克（Adrian Rosebrock）的书让我对解码机器学习算法的简图顿悟了。深度学习网络架构的分解现在也可以理解一些了。我还熟悉用于各种图像识别模型的基准数据集（MNIST，CIFAR-10和ImageNet）以及图像识别模型（VGG-16，Inception等）之间的差异。
计时—公公基金会
现在学习机器学习和计算机视觉很重要，我有这一认知的原因与这本书上的一个概念有关：政府投入大量资金进行研究的领域将有巨大的创新。目前，除了数亿美元以拨款和奖学金的形式用于研究项目外，还有特别的资金分配给具体的机器学习相关项目。
例如：应用于“cat_ness”的pix2pix算法。https://distill.pub/201
除了政府支出之外，私人机构的公开研究似乎也在增长。现存的来自于大型科技公司和公共基金会的研究形式，正在推进机器学习这一整个领域。我个人从来没有见过私人机构出资的公共项目有共同的关注点，如distill.pub和像OpenAI基金会那样的机构。
可执行的任务
回顾我一直以来阅读的资料，我意识到我的记忆已经开始令人失望了。我将从这一点开展更多的以行动为主导的阅读。现在，我有一个拥有GPU框架可以运行，因此我并不认为围绕训练模型和操作数据集上有任何限制。
最近，我参加了由Carto主持的大型空间数据科学大会。在那里，我了解到在空间数据科学领域有多少我不知道的知识。在参加会议之前，我只是把整个领域叫做“地图定位数据资料”。
本文由阿里云云栖社区组织翻译。
文章原标题《Two months exploring deep learning and computer vision》
作者：Leonard Bogdonoff
译者：Mags，审校：袁虎。