上一篇文章中，我们讲到萌颜sdk中的图片分类器技术，什么是弱分类器，如何由弱分类器构造一个强分类器，然后整个分类器的工作流程是怎样的。

当然之前提到的大部分图形技术都是依靠机器学习来实现的，但是随着时代的发展，一种更为高效的技术逐渐从机器学习中发展起来。今天，小编将为大家介绍萌颜sdk背后的一项新技术：深度学习。

一、什么是深度学习？深度学习的概念

深度学习是一种特殊的机器学习，它通过学习用概念组成的网状层级结构来表示这个世界，它具有强大的功能和灵活性。它的每个概念都与更简单的概念相关联，而更多的抽象表示则以较不抽象的方式来计算。

稍微总结一下：

1、深度学习是机器学习的一个特殊分支，因此它们的思想之间具有相似性。

2、深度学习中会用到大规模的网状层级结构，也就是通常所说的神经网络。

3、深度学习功能强大而且很灵活，这是它的优点。

4、深度学习可以自动理解和表示一些抽象的信息。

二、深度学习和机器学习的区别

机器学习和深度学习最明显的区别在于：人工选取特征还是机器自动寻找特征。

以人脸识别为例，深度学习采用多层的神经网络架构来提取图像信息，越靠近底层的神经网络提取出来的都是点、线等低维度特征，而高维度的神经网络层则会更多地保留比如耳朵、眼睛等高维度特征。

深度学习首先会尽可能找到与输入的人脸图像相关的各种边，这些边就是低纬度的特征，然后对这些底层特征进行组合，就可以构建出鼻子、眼睛、耳朵等，它们就是更高维度的特征。因此整个深度学习过程做了下面几件事情：

1、提取低维度特征，确定有哪些点和线等细节特征跟识别出猫狗的关系最大。

2、根据上一步找出的低纬度特征来构建层级网络，找出它们之间的各种组合，

3、在构建层级网络之后，就可以确定哪些组合的高维度特征可以识别出人脸。

由上面的过程可以看出，深度学习通过低维度特征到高维度特征一层层地构建，找到最终能够构成图像分类器的最佳组合。这个过程完全是机器在做，而机器学习在这一过程中显得更加笨拙一点。因此，可以用以下公式简单地表述机器学习和深度学习的关系，即：深度学习=人工提取特征+传统的机器学习方法

以上，就是萌颜sdk中，关于深度学习的一些介绍。现在市面上的大部分萌颜sdk，还是采用的传统图像处理技术，建立在深度学习上的例子少之又少，但是随着时代的发展，这是一个必然发展的趋势，如果您对萌颜sdk开发感兴趣，欢迎资讯官方客服。

声明：本文由美狐原创，未经允许禁止转载，谢谢合作。