Học sâu rất thú vị bởi vì nó học
những đặc điểm phức tạp của hình ảnh. Và như chúng ta đã thảo luận trước đây. Chúng có tác động to lớn trong
những năm gần đây với rất nhiều các ứng dụng thị giác máy tính. Hãy để tôi cho bạn thấy một vài ví dụ. Trên đầu của slide ở đây là ví dụ về các biển báo giao thông
dựa trên mạng nơ ron. Đây là dữ liệu của biển báo
giao thông của Đức và ý tưởng là với mỗi hình ảnh,
xác định nó là gì. Chúng có thể đạt 99.5% độ chính xác
sử dụng mạng nơ ron, điều này thật tuyệt vời. Ở phía dưới đây, bạn thấy một ví dụ đã xuất hiện
trong một số tác phẩm của Google về việc xác định số nhà dựa trên
cái được gọi là dữ liệu Street View. Đây là dữ liệu mà Google
sử dụng khi lái xe ô tô và chụp ảnh tất cả các con đường khắp thế giới. Và bạn thấy những hình ảnh
khá là phức tạp và chúng có thể đạt 97,8% độ
chính xác ở mỗi mức độ. Đây là những kết quả thú vị. Nhưng cái mà thay đổi mọi thứ. Lĩnh vực thú vị thực sự
đã xảy ra vào năm 2012. Trong nhiều năm có một cuộc đua
hình ảnh được gọi là ImageNet. Trong năm 2012, cuộc thi
ImageNet gồm 1.2 triệu hình ảnh từ 1,000 các loại khác nhau. Và ý tưởng là bạn có thể
phân loại hình ảnh. Nó không chỉ là một con chó,
nó là một chú cho săn phải không? Rất, rất chi tiết. Có rất nhiều đội tham gia. Có 3 đội dẫn đầu. Một đội là OXFORD_VGG,
đội này đạt được độ chính xác khá tốt. Nếu bạn nhìn vào top năm
bạn có thể đưa ra dự đoán trong top năm. Họ chỉ có khoảng 25% lỗi. Có một đội tên là ISI
làm tốt hơn một chút. Những đội sử dụng các kỹ thuật
truyền thống như là SIFT[1], phức tạp hơn một chút. Năm đó có một đội nữa
là SuperVision. Đội đó sử dụng mạng nơ ron
và đạt kết quả lớn hơn đối thủ và sự thể hiện của họ tạo ra rất nhiều hứng thú
 về việc sử dụng mạng thần kinh. Trong thị giác máy tính bởi vì nếu họ
chỉ sử dụng các đặc tính mã hóa bằng tay, thì bạn sẽ học chúng một cách tự động. Mạng nơ ron đó đã giành chiến thắng trong
cuộc cạnh tranh với đội SuperVision được gọi là mạng nơ ron AlexNet và tôi
đang chỉ ra ở đây một hình ảnh từ trang của họ, đó là mạng nơ ron có 8 tầng,
60 triệu thông số và chỉ có thể thực hiện bởi các
thuật toán huấn luyện mới có thể xử lý nhiều hình ảnh và nhiều thông số, Việc thực hiện GPU sẽ mở rộng
đến các tập dữ liệu lớn. [NHẠC]