“猫”的成功突破人工智能（AI）跟一只猫能有什么联系？

从“猫”成功突破

人工智能 (AI) 和“猫”之间有什么联系？

1943年，美国神经生理学家沃伦·麦卡洛克和数学家沃尔特·皮茨首次对生物神经元进行建模，并通过电阻等元件构建了物理网络，为人们探索神经网络开辟了道路。

1960年代，Hubel和Wiesel在研究猫大脑皮层中用于局部敏感性和方向选择的神经元时，发现其独特的网络结构可以有效降低反馈神经网络的复杂性，进而提出卷积神经网络（Convolutional Neural Networksa6神经网络权值直接确定法，简称卷积神经网络）。作为CNN）。CNN是一种前馈神经网络，其人工神经元可以对一定覆盖范围内的周围单元做出响应，对于大规模图像处理具有优异的性能。

图1 猫大脑皮层神经网络

现在，CNN已经成为许多科学领域的研究热点，尤其是在模式分类领域，由于网络避免了对图像进行复杂的预处理，可以直接输入原始图像，因此得到了更广泛的应用。K. Fukushima 在 1980 年提出的新型识别机是卷积神经网络的第一个实现。随后，更多的研究人员对网络进行了改进。其中，具有代表性的研究成果是亚历山大和泰勒提出的“改进的认知机器”，它结合了各种改进方法的优点，避免了耗时的误差反向传播。

2006年，一项基于人工智能的机器学习（ML，Machine Learning）研究——“深度学习（DL，Deep Learning）理论”提出，卷积神经网络的表征学习能力受到关注，并随着数值的更新计算设备在不断发展。到目前为止，卷积神经网络（CNN）已经成为深度学习领域最常用和最重要的网络类型之一。

换句话说，猫在人工智能的深度学习过程中扮演着不可或缺的角色。

“卷积”其实并不复杂

卷积操作

卷积的本质是使用两个不同大小的矩阵进行数学运算。

如果我们需要跟踪跑车在高速公路上的位置，将摄像头接收到的信号组织为 x(t)，表示跑车在时间 t 的位置。但实际上，受摄像头传感器滞后等多种因素的影响，获得跑车位置的实时数据并不是那么简单，需要对测量结果进行平均。对于移动目标，较旧的位置不太可靠，而较近的位置与真实值更相关。因此，可以对不同的时间段赋予不同的权重，即通过一个权重定义来计算，其表示如下：

公式中：第一个参数x代表“输入数据”，第二个参数代表“核函数”，代表“输出数据”，即特征图。

卷积神经网络

卷积神经网络是二维离散卷积运算和神经网络在图像处理中的结合。因为这种卷积运算可以自动提取特征，所以卷积神经网络主要应用于二维图像的识别。卷积神经网络一般由输入层、卷积层、池化层、全连接层和输出层组成。通过加入卷积层和池化层，也可以得到更深的网络a6神经网络权值直接确定法，后续的全连接层也可以采用多层结构，如图2所示。

图 2 卷积神经网络层次结构

卷积神经网络的每一层都扮演着不同的角色：

输入层：处理输入数据

卷积层：输入样本和卷积核的内积运算和图像特征被提取出来，如图3所示。

图3 CNN卷积过程

池化层：减小卷积层产生的特征图的大小，如图4所示。

图4 max pooling示意图

全连接层：通过权重矩阵重新组合卷积层或池化层的特征，然后将权重矩阵展开为向量。

输出层：使用似然函数计算每个类别的似然概率，然后输出最高概率作为分类结果。

擅长图像分类的 CNN

卷积神经网络的优化主要是迭代更新模型参数以达到最小化损失函数的目的。当模型的损失函数值不再减小时，停止训练，保存模型和参数。

基于卷积神经网络的分类算法流程框架如图5所示。上栏为前向传播，下栏为反向传播。网络的前向传播分为三个部分：输入图像、特征提取和分类。在传播过程中，网络根据标签数据的真实值和预测值计算损失，并迭代优化参数更新以达到最小化损失函数的目的。网络前向传播，输出测试结果。

图 5 基于卷积神经网络的分类算法框架图

基于卷积神经网络擅长图像分类的特点，研究开发了路面裂缝图像识别技术。

两步走以捕捉路面裂缝的图像

路面裂缝图像识别技术一般采用卷积神经网络分类技术和数字图像处理技术，分两个阶段完成。

裂缝分割提取过程如图6所示。首先将待识别裂缝的大图按照一定的规则进行切割，分割成许多50*50（像素）大小的小图，然后卷积神经网络分类技术用于判断小图像是否小。对裂缝进行定性分析，然后将确定为裂缝的小图像用数字图像处理相关算法进行分割提取，最后将识别结果还原为大图像，从而完成裂缝的图像识别和提取。

图 6 裂纹识别系统流程图

卷积神经网络（CNN）起源于猫视觉研究，现已发展成为深度学习（DL）中最常用和最重要的网络类型之一。可以说是“仿生学”应用的又一成功案例。

鉴于卷积神经网络在大规模图像处理上的优异性能，将卷积神经网络应用于路面裂缝图像识别领域，取得了良好的效果。在路面破损多功能检测车的大规模推广应用过程中，路面裂缝图像自动识别技术发挥了关键作用，大大提高了路面检测数据处理的准确性和效率，是对道路维护和检测人员至关重要。” 武器”。

这样一来，猫在养路的过程中可以说是功不可没！