计算机视觉简史：为了让机器学会“看”，人类到底有多努力(5)

大发展：卷积神经网络与深度学习

90年代计算机视觉的发展整体比较落寞，因为训练神经网络是一项资源非常密集、并且进展极为缓慢的工作。
一直到2005年之后，才又迎来快速发展阶段。

2006年左右，杰弗里·希尔顿（Geoffrey Hilton）和他的学生首次提出了深度置信网络（DBN）的概念。他给多层神经网络相关的学习方法赋予了一个新名词–“深度学习”（Deep Learning）。
人脑视觉系统的信息处理是分层的。简单来说，就是要先从功能相对低级的区域分辨出朝向、空间位置和运动方向，然后到下一个区域再去处理形状和颜色等信息。
比如当你看《黑客帝国》时，你是先看到一个人朝着镜头走过来，然后才分出这个人的脸型和各种面部特征、穿着的衣服颜色，根据这些信息和你大脑中原有的海量信息做匹配，你就能够判断出来这个正在运动的人是基努里维斯。
所以在大脑中，对一个形象的判别是分层次处理的，并不是一股脑把所有信息交给某个部分，然后它突然得出结论这个人是里维斯。
而深度学习就是借鉴人脑的信息处理过程，对信息进行分层处理，进行特征提取和分类。深度学习的实质，是通过构建具有很多隐层的机器学习模型和海量的训练数据，来学习更有用的特征，从而最终提升分类的准确性。
计算机需要学习足够的数据，才能训练出一个能够用于识别的模型。

数据量很重要，对你的大脑也是一样。一个不是特别恰当的例子是，如果你没见过里维斯，你就算看到了这个五官、清晰地分别出头发和瞳孔颜色，也没有办法判断他到底是谁。