本文共 1530 字，大约阅读时间需要 5 分钟。

思索机器学习的新方向，漫漫，还是有些无力。 被一个问题困扰良久，仍不得解。这个问题是什么呢——图像里对象的计数问题。 众所周知，现在的图像中对象计数有比较成熟的一套算法，你看YOLO, SSD, ResNet, MaskRCNN满天飞，都是在往bounding box上钻。然后问题就变成了找到bounding box再计算正确box的数量。这其中的算法实际上包含了两个步骤：

• 第一步：训练一个机器学习的模型，让它能够识别boudning box和这个box里对象的分类
• 第二步：写一个程序，用一个变量，一个循环遍历所有box，判断分类是不是符合计数要求，是那么变量++

那么这个算法有没有问题呢，当然有。我们慢慢展开。

1 机器学习的困境

首先第一个问题是，我们知道现有的基于bounding box的模型能识别多个对象是因为有anchor method的原因。anchor method其实限制了模型的精度，它只能识别出有限的对象，如果图片中的对象数量超过了anchor method当时训练的规模，它就抓瞎了。这样算法也就会出现错误的风险。

第二个问题是，现在的机器学习，分类已经如火纯青，但是在计数上没有什么进展。设想，如果有一个小孩子，被教完计数，他可以数出图片中的指定类型的对象有多少个；也就是说，给定一个输入图片，输出直接是一个数字，中间的过程是小孩子自己在学习中生成的。并不是像我们现在的算法，先用机器学习再手动写一个计数程序。那么，计算机如何学习计数？

我们来看一下现在的机器学习大概做了什么：一些设定好的layers，数据一次通过，最后得到一个分类或者一个回归结果；这里，回归结果其实可以映射成一种分类，所以我们不妨设模型最后得到了一个分类。那么由这种模型进行组合，其实是形成了一个大的状态机，或者走出了类似于马科夫链的图结构；换句话说，我们在使用matrix的时候，它计算最终成为一个分类，我们不妨把这个分类简化为2值分类，那么其实一个模型如果是二分类，就是完成了一次大if判断，把他们组合起来也就是很多if；什么意思呢？就是说，现在的机器学习模型帮助人类能快速生成规模庞大的if群，以前程序员只能写个十几个if，现在能写几千万个，那它的精度确实高了很多，也能执行很复杂的任务了，可是和智能相去甚远。而光靠if很难完成学习计数，这就是现在机器学习的瓶颈。

遇到瓶颈，怎么突破呢？下一个一步之遥是什么呢？

我们再来看看计数的过程，人在图片中计数一般是专注于某个区域，开始识别并计数，并重复专注某区域识别计数累加；在完成一个区域的同时，会使用记忆去标记这个区域已完成，这中间其实是又一个规划过程，而这个规划过程中其实使用了一种重复，或者说循环。是了，我们现在还没有找到稳定表述循环的方法。熟悉汇编或者C的开发者应该比较清楚，for或者while其实最终都是编译成goto的，那么这个goto具体是如何能在机器学习中实现呢？最简单的循环其实是可以实现的，比如在机器学习的模型中加入一个gate层，它的结果为0就让数据流继续往下走，为1就让数据流跳转到另一个层上。但是这个跳转，看似简单，它如何去学习，还需要更多研究。当然随机跳转，竞标赛最后取最好的遗传算法可以胜任这个任务，但是学习模型如何收敛又是另一个巨坑…其实机器学习的最终，就是可以自主生成一个满足需求的可执行程序…

生而为人，也是否是一个满足需求的程序？

1.5 Google的尝试

https://ai.googleblog.com/2020/06/repnet-counting-repetitions-in-videos.html

翻译：见

2 机器学习之数据压缩

压缩

转载地址：http://ilzi.baihongyu.com/