深度教练：让深度学习模拟人类教学过程，大幅减少训练数据和时间(2)
形状、纹理、大小，是图像识别中的通用特征，有大量已经被人工标注过了的图片，可以用于模型的训练。问题在于如何窥探深度学习模型中哪一层的哪些神经元，分别代表形状、纹理和大小。这个问题，有多种解决方案，譬如dropout等等。
2.如何让深度学习模型，理解“看这里，这里是某种病灶。注意，某种病灶的形状和纹理，具有这些特点”。
沿用CNN的办法，把整个图像分割成若干小区域。然后对深度学习模型进行调参，尽可能放大病灶区域，与其它区域的差别，假设其它区域是无病灶区域。如果老师明确说，形状和纹理是关键特征，那么对于深度学习模型而言，等同于先验地放大相关参数的初始设置。
3.如何让深度学习模型模仿学生，指着图片中另一个区域说：“老师，这里也是病灶吗？”
用第二步训练出来的模型，扫描整个图像，标记出其它疑似病灶区域。
4.如何让深度学习模型理解老师的纠正，“不是的，因为病灶的面积太小。”
等同于对深度学习模型进行调参，尤其是与病灶面积相关的参数，使得模型的输出正确。
。。。
完成深度教练的全部过程，应该最多只需要几十个回合。所需的训练数据，也就是标注过的图片，估计不超过十张。而且每张标注的图片，不需要把所有病灶都标注出来。
深度学习vs深度教练的比较研究，似乎值得探讨。
有志者，不妨来合作。
参考文献
Clinically applicable deep learning for diagnosisand referral in retinal disease：
新智元AI WORLD 2018大会【早鸟票】
开售！
新智元将于9月20日在北京国家会议中心举办AI WORLD 2018 大会，邀请计算机视觉先驱Alan Yullie，机器学习教父、CMU教授 Tom Mitchell，迈克思·泰格马克，周志华，陶大程，陈怡然等AI领袖一起关注机器智能与人类命运。
大会官网：
即日起到8月19日，新智元限量发售若干早鸟票，与全球AI领袖近距离交流，见证全球人工智能产业跨越发展。
