本文摘要：微软公司研究院学者与中科院植物学家用于机器学习来研发花卉识别系统。你否遇上过这种情况？出外与小孩散步，TA找到一朵很漂亮的花，跑过来回答你是什么，但是你忽然愣住了因为你并不知道它是什么花上。 目前世界上最少不存在250000种花，即便是经验丰富的植物学者也很难全部了解它们。 如果现在告诉他你以后不必失望对小孩否认你并不知道它是什么花上，旋即之后你就能在无论什么时候都能立刻见到任何一种花卉或者任何植物的品种，不会会很期望？

微软公司研究院学者与中科院植物学家用于机器学习来研发花卉识别系统。你否遇上过这种情况？出外与小孩散步，TA找到一朵很漂亮的花，跑过来回答你是什么，但是你忽然愣住了因为你并不知道它是什么花上。　　目前世界上最少不存在250000种花，即便是经验丰富的植物学者也很难全部了解它们。

如果现在告诉他你以后不必失望对小孩否认你并不知道它是什么花上，旋即之后你就能在无论什么时候都能立刻见到任何一种花卉或者任何植物的品种，不会会很期望？　　鉴于目前图像识别的强劲能力以及用于智能手机笔照片的便捷，普通人通过用于工具也能精彩的辨识各种花卉。这个工具叫作智能花卉识别系统（SmartFlowerRecognitionSystem），说道一起这个系统也是在微软公司研究院学者与中国科学院植物研究所（InstituteofBotany,ChineseAcademyofSciences，IBCAS）无意间促使的。　　　微软公司亚洲研究院常务副院长芮勇在一次研讨会上讲解了微软公司的图像识别技术，到场的中国科学院植物研究所的植物学家深感高兴，因为之前他们代价了大量希望来搜集区域花卉产于数据，但效果并很差。

植物学家们立刻意识到微软公司亚洲研究院（MSRA）的图像识别技术在这方面享有极大的潜力，同时芮勇也找到他也寻找用来提高图像识别在解决问题现实问题方面的最佳试验工具。　　这项合作协助中国科学院植物研究所加快积累了260万的图像数据，鉴于全世界任何人都能将给定花卉图片上传遍这个数据库中，且没有人能对这个上载展开监督分类，微软公司亚洲研究院团队必需建构一个算法来过滤器丢弃不合格的图片。

但这还只是研究员JianlongFu和他的团队创建这个需要在许多有所不同种类的花卉中辨识微小差异的工具中所面对的第一个问题。　　为了构建这个目标他们训练了多达20层的卷积神经网络，用来辨识用于了一系列可以自学的过滤器的图像。

总结来说，它的工作方式是这样的：　　在向前传导的过程中，每个过滤器对于输出容量的宽度和高度来说都是卷曲的，且在过滤器和输出中间计算出来点乘积。对于过滤器来说这样产生了一个二维的转录图，结果是神经网络学会了在输入区等价空间方位转录每一种特定特性种类的过滤器。　　在输出80万张图片到Caffe深度自学框架中后，微软公司亚洲研究院（MSRA）的研究人员渐渐让机器构建了在图片辨识上多达90%的的准确率，这个令人震惊的结果相比之下多达人类的辨识正确率。

　　　　Caffe框架概述：　　Caffe由加州大学伯克利的PHD贾扬清研发，全称ConvolutionalArchitectureforFastFeatureEmbedding，是一个明晰而高效的开源深度自学框架，目前由伯克利视觉学中心（BerkeleyVisionandLearningCenter，BVLC）展开确保。贾扬清曾就任于MSRA、NEC、GoogleBrain，他也是TensorFlow的作者之一，目前供职于FacebookFAIR实验室。

　　同时这个计划也大大协助了中科院的植物学家们相似他们的目标，中科院植物所的ZhepingXu说道到这个花卉识别系统不仅让业内专家有效地掌控中国植物产于的情况，还协助对花卉十分有兴趣的普通人教给更好的科学知识。　　　　一张图片经过神经网络层层分析之后，机器学习需要辨识出有其为雏菊。

本文来源：大阳城官网平台-www.economyrepairkit.com