书名：计算机视觉40例从入门到深度学习：OpenCV-Python
作者：李立宗
出版社：电子工业出版社
出版时间：2022-07-01
ISBN：9787121436857

---

第15章 机器学习导读

15.3 OpenCV中的机器学习模块

OpenCV提供的常用的机器学习方法如图

OpenCV提供的常用的机器学习方法

15.3.1 人工神经网络

一、方阵表演实例

• 在一些大型的演出中，经常会有方阵表演。大多方阵表演是让参与者每个人手持一块彩色方板，在特定的安排下，摆出各种图案或文字。

  
  

二、方阵表演的特点

6点

• 量变引起质变：
  每个人做的动作主要是移动位置、举起或放下方板，但是一个人无论如何努力，都无法构造出整体效果，必须全体参与者共同努力，才能构造出整体效果。
• 个体影响力：
  每一个人作为一个独立的个体都深度参与了方阵表演，都对表演结果有着影响。但是，方阵越大，人数越多，个人对整体效果的影响越小。
• 初始化及组织方式：
  在组织方阵前会有一个大概的轮廓，在具体彩排时会进一步对参与者的位置、举/放方板时间进行适当调整，以达到更好的效果。
• 协同性：
  训练时，教练员要根据整体效果控制每个个体的行动，每个个体都要受到身边其他人的影响，但是个体只需要关注自身的动作、位置等，无法从周围个体获得参考信息。或者说，周围人对个体而言可能没有任何参考价值。
• 参数控制：
  训练结束后，每个个体记住各自的移动位置、举/放方板时间等相关参数就可以了，不需要额外关注其他人的操作。
• 极端情况：
  每个个体只记住了自己的参数，但可能并不了解自己在做什么，但并不影响其作为整体的一部分实现的最终效果。

三、人工神经网络

• 人工神经网络就是采用上述思路构建的。
  它由许多不同的神经元构成，每一个神经元从事的工作都非常简单，但是所有神经元在特定参数的控制下能够实现特定的超复杂（任何）任务。

四、神经元的结构

• 神经元的结构示意图如图15-20所示，每个神经元有若干个输入，每个输入对应不同的权重值。
  神经元根据输入情况，按照预先给定的函数计算出一个合适的输出。
  也就是说，神经元的工作很简单，类似于方阵中的一个个体，只需听从指挥就好。
  从这个角度理解，单个神经元没有智能。

  
  图15-20 神经元的结构示意图

五、人工神经网络的基本原理

• 单个神经元没有智能，只是进行简单的计算。
  若干个神经元组合在一起，量变引起质变，就能够模拟出复杂的函数。
  这是人工神经网络的基本原理。

六、人工神经网络结构

• 若干个神经元构成一个人工神经网络。
  人工神经网络结构示意图如图15-21所示，一个基础的神经网络包含输入层、中间层（又称隐藏层）、输出层。

  
  图15-21 人工神经网络结构示意图