(
课件网) 图像识别技术 ———以手写数字识别为例 1号 2号 3号 先来做一个游戏 3号 2号 1号 思考：人是如何判断相似图像的，经历了怎样的过程？ 1. 提取关键特征 2.对比原图像的形状 01 ONE 体验人机交互 体验人机交互 “猜画小歌”是Google于2018年7月18日发布的首款微信小程序。谷歌表示，开发“猜画小歌”小程序，是为了让每个人都有机会体验人工智能技术驱动下的人机交互。 在这个过程中，它并不编写具体的规则，而是让机器从“猜画小歌”图库数据里自动学习其中的规律。只要画出物体的特征，人工智能就能猜出来。 02 TWO 手写数字识别的过程 手写数字识别的过程 MNIST数据集是手写数字图像集，MNIST是机器学习领域最有名的数据集之一，MNIST数据集是由0到9的数字图像构成，训练图像有6万张，测试图像有1万张，这些图像可以用于学习和推理。 手写数字样本库 手写数字识别的过程 特征提取 160*120*8 bit 16*12*8 bit 16*12*1 bit 降低分辨率 （像素化） 特征提取是通过剔除图像中对分类没有帮助的部分，提取出具有代表性的几个特征的过程。 手写数字识别的过程 图像的预处理 ——— 裁剪 3 3 3 3 裁剪后 特征提取 手写数字识别的过程 利用KNN算法进行分类 手写数字识别的过程 最近邻（k-Nearest Neighbors, KNN）算法是一种分类算法，该算法的思想是：一个样本与数据集中的k个样本最相似，如果这k个样本中的大多数属于某一个类别，则该样本也属于这个类别。 机器学习之KNN算法 利用KNN算法进行分类 手写数字识别的过程 利用KNN算法进行分类 手写数字识别的过程 利用KNN算法进行分类 03 THREE 项目实践 在Scratch中实现手写数字识别 校外课程体系 画笔模块编写手写程序 03 项目实践：在Scratch中实现图像的像素化与二值化 校外课程体系 特征提取 03 项目实践：在Scratch中实现图像的像素化与二值化 校外课程体系 利用KNN算法进行分类 03 项目实践：在Scratch中实现图像的像素化与二值化
