计算计的视觉这个研究领域已经衍生出了一大批快速成长的、有实际作用的应用，例如：
人脸识别，图像检索，游戏和控制，检测，生物识别技术，智能汽车。
林奇有自己的想法，他想要做的是一个综合的内容，包含了上面所有的领域，甚至不局限于上面提到的这些领域。
林奇想做出来一个可以帮助人们破案，寻求一种可以帮助人们管理城市的一种解决方案。
能从方方面面影响人们，给广大的老百姓提供便利。
不过万丈高楼平地起，林奇并没有好高骛远，而是回归本质，一步一个脚印准备从头走。
林奇准备一个一个的研究下去，第一个看到的就是图像分类。
图像分类以前还有一个赛事n不过后来在计算机的分类能力超过人类的时候，举办方决定不再举办这个赛事了。
图像分类的定义很简单，就是从给定一组各自被标记为单一类别的图像，对一组新的测试图像类别进行预测，并测量预测的准确性结果，这就是图像分类问题。
图像分类问题需要面临几个挑战，视点变化，尺度变化，类内变化，图像变化，图像遮挡，照明条件和背景杂斑。
林奇准备着手做分类的时候，他想自己弄一个小机器人来玩玩，准备把研究成果用在这个机器人身上。
其实是以可视化的方式表现出来。
人必竟还是视觉动物，直接给一个人一大堆的数据，尤其是通过计算机高速交换的数据，没有人能看出来什么，只会看的头昏眼花。
但是如果能把数据展示出来，尤其用一个图表的方式展示出来，那人们就能一眼看出来到底，这个算法的好坏，还能看到识别正确率的提升。
林奇上找了一些资料，从一个专门研究机器人的站，下单购买了一些电子原件，因为林奇想自己打造一个小机器人。就连机器人的外形，林奇都想好了，他要打造一个小毛毛虫，对就是毛毛虫。
一定要有两个眼睛，这是林奇内心的想法。
有一个可以蠕动的身体
在林奇自学了一些机器人和电子原器件和电路的相关知识以后，他摸索着弄出来了一个软体毛毛虫，名字林奇都给起好了，就叫二毛。
对于这个名字二毛只能接受，如果它有意识，并且知道一些知识之后，可能会嫌弃这个名字。
林奇制造出来的毛毛虫比之普通的毛毛虫略大，普通的毛毛虫还没有小手指大，但是林奇的这个毛毛虫却堪比一条手臂。冷不丁的拿出去，估计能吓到不少人。
长度也和人的小手臂差不多，没有一整条胳膊长，有一个丑陋的脑袋，脑袋上面有两个硕大的**，就像一条蛇的眼睛。
别说这个毛毛虫还真的和蛇长的不差什么，只是比蛇短了不少，现在它还不能行走，只能站在林奇的办公桌上，左右的摇晃着它那个小脑袋，眼睛左右全方位的看向四周。
看着眼前的毛毛虫，林奇感觉很有意思。
林奇第一个之所以选择的是图片分类，是因为这个的应用比较广泛，并且现在也有很好的算法。
最为流行的就是卷积神经络nn，与普通的算法不太一样，卷积神经络算法也很有意思。
现在人们拍照的器材越来越好，10001000的图片比比皆是。
在分析图片的时候是否需要一个创建一个10001000的络层，答案是不需要的，相反可以创建一个2020的输入层。
就好像是下面有一个很大的图片，在图片的上面有一个小纸板。
第一次把这个纸板放在了图片的左上角，只取出来被覆盖的这一部分的像素进行处理，然后把这个纸板向右移动一个像素，再取一部分像素进行处理。
有的人有疑问，这样不是第二次取的像素和第一次重复的很多吗？
没错就是有很多的重复，这个算法就是要这么搞，只有这样的滑动窗口，才能体现出来这个图片像素的空间位置，才能把像素之间的关系也都考虑进去。
而不是像以前有一种识别手写的图片中的数字的例子，机器学习的入门课程，就是识别手写数字，有人统计，只有正确率达到了百分之九十九多的时候，机器识别才有作用。
最经典的一个例子就是，把所有的像素都从左到右，从上到下，一个一个的都并排排好，形成一个单个的像素线。
写一个方程式来求几个参数，给出来一些训练数据，让计算机自己发现规律，找到其中的关联，从而得到一个最好的方程的解。
但是这种计算出来的结果正确的识别率只有可怜的百分之十多。
如果用卷积神经络来稍加改造就能让识别率达到百分之九十九以上。
可见，卷积神经络对图片的分类来说是最好的一个算法。
不过也是有一个问题，它需要大量的数据，对于能获得大量的数据的场景这个算法是很不错的，但是如果不能获得很多数据，它的效果就没有那么好了。
因为有以前做过语音识别的经验，所以对这个改造起来是得心应手。
很快林奇就把这个算法进行了改进，可以不用那么多的数据就能达到一样的效果。
为了验证他的这个结论是否正确，林奇向毛毛虫的身体里写入一段程序。
这个程序特别简单，就是利用林奇开发出来的程序识别眼前出现的人是否是林奇本人。
如果识别出来是林奇本人，那