在上一篇文章中，我們向你介紹了機器視覺相關領域并且討論了一個非常有效的算法——像素智能分類決策樹，這個算法已經在醫(yī)療圖像處理和Kinect中廣泛使用。在這篇文章中，我們將會看到最近很熱門深度神經網絡（深度學習）及其在機器視覺中成功的應用，然后我們將會看一下未來機器視覺和機器學習的發(fā)展。

深度神經網絡

最近幾年我們用于機器視覺研究的訓練數據集在質量和數量上都有了很大的提升。這些提升在很大程度上依賴于眾籌的發(fā)展，增大被標記的圖片樣本數量到幾百萬張。一個好的數據集集——ImageNet——包括幾萬種類別的幾百萬張被標記過的圖片。

在ImageNet數據集社區(qū)經過幾年的慢速發(fā)展后，在2012年，Krizhevsky等人引爆了這個領域。他們展示了通用GPU計算結合對算法的微小改變就能夠訓練比以前更多層次的卷積神經網絡。他們對ImageNet的1000個類別進行精確測試，其結果是一個里程碑式的跨越。這引起了很多大眾媒體的關注，甚至帶來了大量創(chuàng)業(yè)公司的并購。之后，深度學習在機器視覺領域開始變成一個熱門課題，最近的很多論文擴大了目標定位、人臉識別和人類的姿態(tài)估計的研究方法。

未來展望

毫無疑問深度卷積神經網路是強而有力的，然而它能夠完全解決機器的視覺問題嗎？我們可以確定的是深度學習會在未來幾年繼續(xù)流行，并且將會在未來幾年推動相關的技術的發(fā)展，但是我們相信這還需要一些路要走。雖然我們僅僅能夠推測未來會發(fā)生什么改變，但是可以確定的是我們已經能看到的一些趨勢。

表示方法：目前這些神經網絡只能夠識別一些相對簡單的圖像內容，還不能更深層次的理解圖片中各個目標對象之間的關系以及特定個體在我們生活中所扮演的角色（比如，我們不能根據圖片中的人的頭發(fā)都是很有光澤并且都拿著吹風機就簡單的認為這些人的頭發(fā)是濕的）。新的數據集比如微軟的“CoCo“，可以通過提供“非典型”圖片的單個目標對象的更多細節(jié)標簽來進一步改善這種狀況，比如，這些圖片包含多個并不是居于最突出位置的目標對象。

效率：盡管深度神經網絡在圖像處理方面能夠通過并行的方式來達到相對較快的執(zhí)行速度，但是，神經網絡并不像我們上一篇文章所提到的問題那樣：這里的每一個測試樣例都要遍歷神經網絡的每一個節(jié)點才會輸出。此外，即使用到最快的GPU集群進行加速，訓練一個神經網絡也需要幾天或這幾周的時間，這限制了我們的實驗速度。

結構學習：目前，深度卷積神經網絡是一個已經經過多年的研究的一個精心設計的穩(wěn)定結構。如果說要改變它的話，我們能改變的只是每一層的大小和層的數量（也就是神經網絡的深度），這些的確對整個神經網絡的預測準確性有很大的影響。目前，除了簡單對神經網絡的參數改變來優(yōu)化神經網絡，我們希望能夠從數據直接學習到更靈活的網絡結構。

最近，我們已經開始著手解決上面的問題，尤其是后面兩個。令我們特別高興的是我們最近關于決策叢林算法的工作：決策有向無環(huán)圖（DAG）的集合。你可以認為一個決策有向無環(huán)圖是一個決策樹，不同的是每一個決策有向無環(huán)圖的子節(jié)點允許有多個父節(jié)點。相較于決策樹，我們已經證明，這樣可以減少一個數量級的內存消耗，同時也改進了算法的泛化能力。雖然有向無環(huán)圖（DAG）和神經網絡非常相像，但是確實包括兩個非常大的不同點，首先，DAG的結構可以和模型的參數同時被訓練；第二，DAG保留了決策樹高效的運算性能：每一個測試樣本僅僅從DAG中選擇一個路徑而不是像神經網絡一樣遍歷所有節(jié)點。我們正在積極的研究是否決策叢林同其他形式的深度學習相結合能夠產生出更加高效的深度神經網絡。

如果你有興趣嘗試用決策叢林來解決你的問題，你可以通過AzureML的Gemini模型進一步研究。

總而言之，機器視覺擁有光明的前景很大程度上歸功于機器學習的發(fā)展。機器視覺最近的快速發(fā)展已經非常令人驚奇，但是我們相信機器視覺的未來依然是一本令人激動的打開了的書。