一、深度學習影像辨識基本原理

本章節提到的只是深度學習的基本概念，與 AOI 的關聯不大，若您已經有深度學習相關的基礎知識，可以跳過本章節。

什麼是深度學習網路?

深度學習網路源自於類神經網路，類神經網路是指用電腦模擬神經元傳遞信號的架構，每個神經元都只是極為單純的小函式，單一神經元並沒有做複雜的運算。

類神經網路會把數百、數千個神經元(依網路設計不同，神經元的數量會有差異)連接起來，形成一個網路架構。神經元之間會互相串聯，一個神經元的輸出值，會串接到其他(一個或多個，通常是多個，依網路架構設計決定)神經元的輸入，這邊會產生[層]的概念，我們把原始輸入的資料(可能是圖像/語音/文字，但它們進入網路前，都會先轉化為浮點數陣列格式的數值資料，也就是對深度學習網路而言，無論餵什麼東西給它，都是當成一整串的數字來處理，輸入是數字，輸出也是數字)作為第0層，[所有以原始資料作為輸入值的神經元集合]稱為第1層，[所有以第1層的輸出作為自己的輸入值的神經元集合]則稱為第2層，依此類推。深度學習網路的[深度]，就是指網路的層數疊得很深。

至於具體而言，類神經網路要疊多深才稱為深度學習網路，沒有明確的定義，對於影像辨識類型的網路，通常我們把 2012 年 AlexNet 以後的網路架構，稱之為深度學習網路。

而深度學習的[學習]是指什麼？其實一個剛規劃完的深度學習網路系統，相當於一顆空白的大腦，它並沒有辨識、分類的能力。我們必須透過一種稱為[訓練]的動作，把透過人工事先分類、標示好的訓練資料集，餵入網路讓它[學習]，它才會有辨識、分類的能力。網路中每個神經元，有個稱之為[權重值]的可變數值，這個數值不是我們直接給定的(當然，要給個初始值也是可以)，而是在這個訓練的過程中，一輪一輪的修正出來的。

這邊舉個例子來說明深度學習是怎麼訓練與修正權重，並與強化學習( Reinforcement learning )進行比較：

最近幾年深度學習很流行，我們想導入深度學習系統，用來做大樓進出人員管理，如果[有陌生人進入大樓]，此系統需要發出警報。

但是預算有限，沒錢，怎麼辦？沒關係，我們來搞一個最便宜的[生物式深度學習系統]。首先，我們準備一根棍子，不用太粗，趁手的就行，重點是要結實。然後到街上走走，路上看到順眼的流浪狗，就一棍子敲下去，打暈牠。打暈時要注意牠的叫聲，如果是[嗷嗚！]，那就沒錯，如果不是的話，繼續找。這隻狗我們就稱呼牠為 DL 狗。把 DL 狗綁在大樓門口，讓牠盯著門，然後我們開始訓練牠。

首先，找找隔壁大樓的人，請他進來我們的大樓，這時候，你的 DL 狗通常不會叫。不會叫沒關係，棍子就在手邊，我們打牠，讓牠叫。這個動作多重複幾次，也多找找不同的人，隔壁樓的大哥、大姊、大叔、大嬸，通通找，你的 DL 狗叫了就不打，不叫就打到牠叫！這個流程多做個幾次，我們就可以得到一隻[只要有人進門，牠就會叫]的 DL 狗了。接下來，我們找自己大樓的人進門。這時候 DL 狗大概會叫，沒關係，牠叫了我們就打牠，打到牠不叫。一直重複以上動作，自己大樓的人進門時  DL 狗叫了，我們就打牠，其他陌生人進門時 DL 狗沒叫，我們也打牠。大約一個月後，我們就得到一隻[如果有陌生人進入大樓，牠就會大叫]的 DL 狗了。這就是我們的[生物式深度學習門檢系統]。

圖 1. 生物式深度學習系統訓練示意圖。