人工智能基础 课件 第6章 自然语言处理与计算机视觉

第6章自然语言处理与计算机视觉任务1：使用序列到序列模型完成数字加法任务2：基于图片相似度的图片搜索自然语言处理基于LSTM的Seq2Seq模型计算机视觉图片搜索技术任务1：使用序列到序列模型完成数字加法1自然语言处理基于LSTM的Seq2Seq模型自然语言处理自然语言处理（NaturalLanguageProcessing，简称NLP）是一门融语言学、计算机科学、数学于一体的科学，旨在让计算机能够理解、解释和生成人类语言。它通过模拟人类的语言理解和分析能力，实现人机交互、信息提取、语义分析等多种任务。其核心包括文本预处理、词嵌入、句法分析、语义分析和文本生成等关键技术。自然语言处理自然语言处理技术在多个领域有广泛应用搜索引擎：当我们在百度、谷歌等搜索引擎中输入“适合初学者的编程语言”，搜索引擎利用自然语言处理技术分析语义，关联相关信息，快速从海量网页中筛选出最匹配的内容，提供给我们包含Python、Java等多种编程语言介绍及学习资源的结果。机器翻译：实现不同语言间的翻译，像出国旅行时，使用有道翻译、百度翻译等APP，对着手机说出中文，就能即时获得外语翻译结果，无论是问路、点菜还是购物交流，都变得轻松便捷。情感分析：分析文本中的情感倾向，电商平台通过分析用户对商品的评价，能迅速了解用户满意度，例如当大量用户在评价中提到某款手机“拍照模糊”，企业就可以针对性地改进摄像头配置。自然语言处理自然语言处理技术在多个领域有广泛应用聊天机器人：在很多电商平台，当用户咨询商品信息时，智能客服机器人能快速响应，解答常见问题，像“这款衣服有哪些尺码？”“商品什么时候发货？”，节省了用户等待时间，也降低了企业的人力成本。语音助手：苹果的Siri、小米的小爱同学等，我们可以通过语音指令让它们完成各种任务，如查询天气（“明天天气怎么样？”）、设置提醒（“提醒我明天上午10点开会”）、播放音乐（“播放周杰伦的歌曲”）等，实现便捷的生活和工作辅助。智能投顾：金融机构利用自然语言处理技术，理解客户的投资需求和风险偏好描述。例如客户表达“我想在低风险的情况下获得一定的资产增值”，智能投顾系统可以据此为客户推荐合适的理财产品和投资组合。自然语言处理近年来，深度学习技术在自然语言处理领域取得了巨大的成功。深度学习方法通过构建深度神经网络模型，能够自动学习文本中的深层特征表示，从而实现对自然语言更精确的理解和处理。常见的深度学习方法包括循环神经网络(RNN)、长短时记忆网络(LSTM)等。基于LSTM的Seq2Seq模型自然语言处理是人工智能领域的一个重要分支，而序列到序列（Seq2Seq）模型则成为了NLP领域的新标杆。Seq2Seq模型通过将一个序列转换成另一个序列，实现了机器翻译、对话生成、摘要提取等任务。基于LSTM的Seq2Seq模型Seq2Seq模型由编码器（Encoder）和解码器（Decoder）组成，通过将输入序列编码成一个向量表示，然后再将这个向量解码成目标序列。编码器使用循环神经网络（RNN）或者长短时记忆网络（LSTM）、门控循环单元（GRU）对输入序列进行建模，得到上下文信息；解码器则利用编码器输出的上下文信息生成目标序列。基于LSTM的Seq2Seq模型本任务中将使用一个简单的基于LSTM的Seq2Seq模型，该模型一共有如下4个主要的网络层。（1）嵌入层(Embedding)：将输入的文本序列转为嵌入向量。（2）编码层(LSTM)：将嵌入向量进行编码。（3）解码层(LSTM)：将编码向量进行解码。（4）全连接层(Linear)：对解码完成的向量进行线性映射。基于LSTM的Seq2Seq模型本任务目标：在百度AIStudio平台，完成一个数字加法任务，使用飞桨提供的LSTM，组建一个序列到序列模型，并在随机生成的数据集上完成数字加法任务的模型训练与预测。第6章自然语言处理与计算机视觉第6章自然语言处理与计算机视觉任务1：使用序列到序列模型完成数字加法任务2：基于图片相似度的图片搜索自然语言处理基于LSTM的Seq2Seq模型计算机视觉图片搜索技术2任务2：基于图片相似度的图片搜索计算机视觉图片搜索技术计算机视觉计算机视觉（ComputerVision，CV）是一个跨学科的领域，旨在使计算机和系统能够从图像或多维数据中“理解”世界。它涉及从图像中提取信息、分析和理解视觉数据，以实现自动化和智能化操作。计算机视觉一直是人工智能领域的研究热点，而深度学习的出现为其带来了前所未有的创新与突破。计算机视觉计算机视觉的应用场景1.农业领域果实采摘：农业机器人可以利用计算机视觉技术识别果实的位置、成熟度等信息，实现自动采摘，提高农业生产的自动化水平，降低人力成本。2.交通领域违章监测：通过安装在道路上的摄像头，计算机视觉系统可以识别车辆的车牌号码、行驶轨迹、速度等信息，实现对闯红灯、超速、违规变道等交通违法行为的自动监测和抓拍。计算机视觉计算机视觉的应用场景3.科学领域科学研究：在生物学、天文学等领域，用于分析图像和视频数据，如分析生物细胞图像、天文观测图像等，帮助科研人员进行科学发现和研究。4.教育领域智能阅卷：能够识别和分析学生的答题卡和试卷，自动判断答案的对错并进行评分，提高阅卷效率和准确性。计算机视觉计算机视觉的应用场景5.传媒娱乐领域影视特效制作：在电影、电视剧等影视作品的制作中，计算机视觉技术用于场景重建、虚拟角色创建和融合等方面。如《阿凡达》中的潘多拉星球和各种外星生物，通过计算机视觉与其他技术的结合，创造出了令人震撼的视觉效果。6.金融领域远程开户：用户在进行远程开户时，计算机视觉技术可以通过摄像头采集用户的面部图像，进行人脸识别和身份验证，确保开户人身份的真实性。计算机视觉深度学习模型，特别是卷积神经网络（ConvolutionalNeuralNetwork，缩写CNN）,在图像识别、目标检测、图像分割等任务中展现出了卓越的性能，推动了计算机视觉技术的快速发展。卷积神经网络是一种专门为处理具有网格结构数据（如图像）而设计的深度学习模型，通过卷积层、池化层和全连接层等组件，自动提取数据的特征。图片搜索技术基于图片相似度的图片搜索是一种利用计算机视觉和深度学习技术来识别和检索相似图片的技术。广泛应用于图像搜索、相似商品推荐、图像分类等领域，提升了用户体验和检索效率。图片搜索技术图片搜索的基本思路和步骤:1.图片特征提取使用卷积神经网络（CNN）对输入的图片进行处理，将其转换为高维空间的向量表示。这个过程通常包括：（1）预处理：对图片进行缩放、归一化等操作，以使其适应网络的输入要求。（2）特征提取：通过经过训练的CNN模型提取图片的特征向量。这个特征向量能够捕捉图片中的重要信息，如形状、颜色和纹理等。2.相似度计算对两张图片的高维特征向量进行相似度计算。使用余弦相似度来衡量它们之间的相似程度。余弦相似度的计算公式为：

其中A

和B

是两张图片的特征向量。图片搜索技术图片搜索的基本思路和步骤:3.模型训练在训练阶段，其目标是让同一类别的图片特征向量之间的余弦相似度尽可能高，而不同类别的图片特征向量之间的相似度尽可能低。4.模型预测在用户上传新图片后，系统会：（1）提取该图片的特征向量。（2）计算该特征向量与图片库中所有图片特征向量的余弦相似度。（3）根据相似度排序，返回与用户上传的图片最相似的图片列表。图片搜索技术图片搜索技术的应用场景：利用深度学习技术提升了特征提取和相似度计算的效率和准确性。（1）电商平台：根据用户上传商品图片，推荐相似商品。（