人工智能地核心技術(shù)

1、實(shí)用標(biāo)準(zhǔn)人工智能的核心技術(shù)是什么？人工智能標(biāo)準(zhǔn)化白皮書（ 2018）1 機(jī)器學(xué)習(xí)機(jī)器學(xué)習(xí)（ Machine Learning ）是一門涉及統(tǒng)計(jì)學(xué)、系統(tǒng)辨識、逼近理論、神經(jīng)網(wǎng)絡(luò)、優(yōu)化理論、計(jì)算機(jī)科學(xué)、腦科學(xué)等諸多領(lǐng)域的交叉學(xué)科，研究計(jì)算機(jī) 怎樣模擬或?qū)崿F(xiàn)人類的學(xué) 習(xí)行為，以獲取新的知識或技能，重新組織已有的知識 結(jié)構(gòu)使之不斷改善自身的性能，是 人工智能技術(shù)的核心?；跀?shù)據(jù)的機(jī)器學(xué)習(xí)是 現(xiàn)代智能技術(shù)中的重要方法之一，研究從觀 測數(shù)據(jù)（樣本）出發(fā)尋找規(guī)律，利用 這些規(guī)律對未來數(shù)據(jù)或無法觀測的數(shù)據(jù)進(jìn)行預(yù)測。根 據(jù)學(xué)習(xí)模式、學(xué)習(xí)方法以及 算法的不同，機(jī)器學(xué)習(xí)存在不同的分類方法。（1）根據(jù)學(xué)習(xí)模式將機(jī)器學(xué)

2、習(xí)分類為監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)等。監(jiān)督學(xué)習(xí)監(jiān)督學(xué)習(xí)是利用已標(biāo)記的有限訓(xùn)練數(shù)據(jù)集，通過某種學(xué)習(xí)策略/方法建立一 個(gè)模型，實(shí)現(xiàn)對新數(shù)據(jù) /實(shí)例的標(biāo)記（分類） /映射，最典型的監(jiān)督學(xué)習(xí)算法包括 回歸和分類。監(jiān)督學(xué)習(xí)要求 訓(xùn)練樣本的分類標(biāo)簽已知，分類標(biāo)簽精確度越高，樣 本越具有代表性，學(xué)習(xí)模型的準(zhǔn)確度 越高。監(jiān)督學(xué)習(xí)在自然語言處理、信息檢索、 文本挖掘、手寫體辨識、垃圾偵測等領(lǐng)域獲 得了廣泛應(yīng)用。無監(jiān)督學(xué)習(xí)無監(jiān)督學(xué)習(xí)是利用無標(biāo)記的有限數(shù)據(jù)描述隱藏在未標(biāo)記數(shù)據(jù)中的結(jié)構(gòu) /規(guī)律， 最典型的非監(jiān) 督學(xué)習(xí)算法包括單類密度估計(jì)、單類數(shù)據(jù)降維、聚類等。無監(jiān)督學(xué) 習(xí)不需要訓(xùn)練樣本和人 工標(biāo)注數(shù)據(jù)，便于壓縮數(shù)

3、據(jù)存儲、減少計(jì)算量、提升算法 速度，還可以避免正、負(fù)樣本偏 移引起的分類錯(cuò)誤問題。主要用于經(jīng)濟(jì)預(yù)測、異 常檢測、數(shù)據(jù)挖掘、圖像處理、模式識別 等領(lǐng)域，例如組織大型計(jì)算機(jī)集群、社 交網(wǎng)絡(luò)分析、市場分割、天文數(shù)據(jù)分析等。強(qiáng)化學(xué)習(xí)強(qiáng)化學(xué)習(xí)是智能系統(tǒng)從環(huán)境到行為映射的學(xué)習(xí)，以使強(qiáng)化信號函數(shù)值最大。 由于外部環(huán)境 提供的信息很少，強(qiáng)化學(xué)習(xí)系統(tǒng)必須靠自身的經(jīng)歷進(jìn)行學(xué)習(xí)。強(qiáng)化 學(xué)習(xí)的目標(biāo)是學(xué)習(xí)從環(huán) 境狀態(tài)到行為的映射，使得智能體選擇的行為能夠獲得環(huán) 境最大的獎(jiǎng)賞，使得外部環(huán)境對 學(xué)習(xí)系統(tǒng)在某種意義下的評價(jià)為最佳。其在機(jī)器 人控制、無人駕駛、下棋、工業(yè)控制等領(lǐng) 域獲得成功應(yīng)用。（2）根據(jù)學(xué)習(xí)方法可以將機(jī)器學(xué)習(xí)

4、分為傳統(tǒng)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)。傳統(tǒng)機(jī)器學(xué)習(xí)傳統(tǒng)機(jī)器學(xué)習(xí)從一些觀測（訓(xùn)練）樣本出發(fā)，試圖發(fā)現(xiàn)不能通過原理分析獲 得的規(guī)律，實(shí) 現(xiàn)對未來數(shù)據(jù)行為或趨勢的準(zhǔn)確預(yù)測。相關(guān)算法包括邏輯回歸、隱 馬爾科夫方法、支持向文案大全實(shí)用標(biāo)準(zhǔn)量機(jī)方法、 K 近鄰方法、三層人工神經(jīng)網(wǎng)絡(luò)方法、 Adaboost 算法、貝葉斯方法以及決策樹 方法等。傳統(tǒng)機(jī)器學(xué)習(xí)平衡了學(xué)習(xí)結(jié)果的有效性與 學(xué)習(xí)模型的可解釋性，為解決有限樣本 的學(xué)習(xí)問題提供了一種框架，主要用于有 限樣本情況下的模式分類、回歸分析、概率密度 估計(jì)等。傳統(tǒng)機(jī)器學(xué)習(xí)方法共同 的重要理論基礎(chǔ)之一是統(tǒng)計(jì)學(xué)，在自然語言處理、語音識 別、圖像識別、信息檢 索和生物信息等許多

5、計(jì)算機(jī)領(lǐng)域獲得了廣泛應(yīng)用。深度學(xué)習(xí) 深度學(xué)習(xí)是建立深層結(jié)構(gòu)模型的學(xué)習(xí)方法，典型的深度學(xué)習(xí)算法包括深度置 信網(wǎng)絡(luò)、卷積 神經(jīng)網(wǎng)絡(luò)、受限玻爾茲曼機(jī)和循環(huán)神經(jīng)網(wǎng)絡(luò)等。深度學(xué)習(xí)又稱為深 度神經(jīng)網(wǎng)絡(luò)（指層數(shù)超 過 3 層的神經(jīng)網(wǎng)絡(luò)） 。深度學(xué)習(xí)作為機(jī)器學(xué)習(xí)研究中的一 個(gè)新興領(lǐng)域，由 Hinton 等人于 2006 年提出。 深度學(xué)習(xí)源于多層神經(jīng)網(wǎng)絡(luò)， 其實(shí) 質(zhì)是給出了一種將特征表示和學(xué)習(xí)合二為 一的方式。深度學(xué)習(xí)的特點(diǎn)是放棄了可 解釋性，單純追求學(xué)習(xí)的有效性。經(jīng)過多年的摸索 嘗試和研究，已經(jīng)產(chǎn)生了諸多 深度神經(jīng)網(wǎng)絡(luò)的模型，其中卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)是 兩類典型的模型。卷 積神經(jīng)網(wǎng)絡(luò)常被應(yīng)用于空間性分

6、布數(shù)據(jù)；循環(huán)神經(jīng)網(wǎng)絡(luò)在神經(jīng)網(wǎng)絡(luò)中 引入了記憶 和反饋，常被應(yīng)用于時(shí)間性分布數(shù)據(jù)。深度學(xué)習(xí)框架是進(jìn)行深度學(xué)習(xí)的基礎(chǔ)底 層 框架，一般包含主流的神經(jīng)網(wǎng)絡(luò)算法模型，提供穩(wěn)定的深度學(xué)習(xí)API ，支持訓(xùn)練 模型在服務(wù)器和 GPU 、TPU 間的分布式學(xué)習(xí)，部分框架還具備在包括移動(dòng)設(shè)備、云平臺在的多種 平臺上運(yùn)行的移植能力，從而為深度學(xué)習(xí)算法帶來前所未有的 運(yùn)行速度和實(shí)用性。目前主 流的開源算法框架有 TensorFlow 、 Caffe/Caffe2 、 CNTK 、 MXNet 、 Paddle-paddle 、 Torch/PyTorch 、Theano 等。（3）此外，機(jī)器學(xué)習(xí)的常見算法還包括遷移

7、學(xué)習(xí)、主動(dòng)學(xué)習(xí)和演化學(xué)習(xí)等。遷移學(xué)習(xí) 遷移學(xué)習(xí)是指當(dāng)在某些領(lǐng)域無法取得足夠多的數(shù)據(jù)進(jìn)行模型訓(xùn)練時(shí)，利用另 一領(lǐng)域數(shù)據(jù)獲 得的關(guān)系進(jìn)行的學(xué)習(xí)。遷移學(xué)習(xí)可以把已訓(xùn)練好的模型參數(shù)遷移到 新的模型指導(dǎo)新模型訓(xùn) 練，可以更有效的學(xué)習(xí)底層規(guī)則、減少數(shù)據(jù)量。目前的遷 移學(xué)習(xí)技術(shù)主要在變量有限的小 規(guī)模應(yīng)用中使用，如基于傳感器網(wǎng)絡(luò)的定位，文 字分類和圖像分類等。未來遷移學(xué)習(xí)將被 廣泛應(yīng)用于解決更有挑戰(zhàn)性的問題，如 視頻分類、社交網(wǎng)絡(luò)分析、邏輯推理等。主動(dòng)學(xué)習(xí)主動(dòng)學(xué)習(xí)通過一定的算法查詢最有用的未標(biāo)記樣本，并交由專家進(jìn)行標(biāo)記， 然后用查詢到 的樣本訓(xùn)練分類模型來提高模型的精度。主動(dòng)學(xué)習(xí)能夠選擇性地獲 取知識，通過

8、較少的訓(xùn) 練樣本獲得高性能的模型，最常用的策略是通過不確定性 準(zhǔn)則和差異性準(zhǔn)則選取有效的樣 本。演化學(xué)習(xí) 演化學(xué)習(xí)對優(yōu)化問題性質(zhì)要求極少，只需能夠評估解的好壞即可，適用于求 解復(fù)雜的優(yōu)化 問題，也能直接用于多目標(biāo)優(yōu)化。演化算法包括粒子群優(yōu)化算法、 多目標(biāo)演化算法等。目 前針對演化學(xué)習(xí)的研究主要集中在演化數(shù)據(jù)聚類、對演化 數(shù)據(jù)更有效的分類，以及提供某文案大全實(shí)用標(biāo)準(zhǔn)種自適應(yīng)機(jī)制以確定演化機(jī)制的影響等。2 知識圖譜知識圖譜本質(zhì)上是結(jié)構(gòu)化的語義知識庫，是一種由節(jié)點(diǎn)和邊組成的圖數(shù)據(jù)結(jié) 構(gòu)，以符號形 式描述物理世界中的概念及其相互關(guān)系， 其基本組成單位是 “實(shí)體 關(guān)系實(shí)體” 三元組， 以及實(shí)體及其相關(guān)“

9、屬性值”對。不同實(shí)體之間通過 關(guān)系相互聯(lián)結(jié)，構(gòu)成網(wǎng)狀的知識結(jié) 構(gòu)。在知識圖譜中， 每個(gè)節(jié)點(diǎn)表示現(xiàn)實(shí)世界的 “ 實(shí)體”，每條邊為實(shí)體與實(shí)體之間的 “關(guān)系”。 通俗地講， 知識圖譜就是把所有不同種類的信息連接在一起而得到的一個(gè)關(guān)系網(wǎng)絡(luò)， 提供了 從“關(guān)系”的角度 去分析問題的能力。知識圖譜可用于反欺詐、不一致性驗(yàn)證、組團(tuán)欺詐等公共安全保障領(lǐng)域，需 要用到異常分 析、靜態(tài)分析、動(dòng)態(tài)分析等數(shù)據(jù)挖掘方法。特別地，知識圖譜在搜 索引擎、可視化展示和 精準(zhǔn)營銷方面有很大的優(yōu)勢，已成為業(yè)界的熱門工具。但 是，知識圖譜的發(fā)展還有很大的 挑戰(zhàn)，如數(shù)據(jù)的噪聲問題，即數(shù)據(jù)本身有錯(cuò)誤或 者數(shù)據(jù)存在冗余。隨著知識圖譜應(yīng)用

10、的不 斷深入，還有一系列關(guān)鍵技術(shù)需要突破。3 自然語言處理自然語言處理是計(jì)算機(jī)科學(xué)領(lǐng)域與人工智能領(lǐng)域中的一個(gè)重要方向，研究能 實(shí)現(xiàn)人與計(jì)算 機(jī)之間用自然語言進(jìn)行有效通信的各種理論和方法， 涉及的領(lǐng)域較 多，主要包括機(jī)器翻譯、 機(jī)器閱讀理解和問答系統(tǒng)等。（1）機(jī)器翻譯機(jī)器翻譯技術(shù)是指利用計(jì)算機(jī)技術(shù)實(shí)現(xiàn)從一種自然語言到另外一種自然語 言的翻譯過程。 基于統(tǒng)計(jì)的機(jī)器翻譯方法突破了之前基于規(guī)則和實(shí)例翻譯方法的 局限性，翻譯性能取得巨 大提升?；谏疃壬窠?jīng)網(wǎng)絡(luò)的機(jī)器翻譯在日?？谡Z等一 些場景的成功應(yīng)用已經(jīng)顯現(xiàn)出了巨 大的潛力。隨著上下文的語境表征和知識邏輯 推理能力的發(fā)展，自然語言知識圖譜不斷擴(kuò) 充，機(jī)

11、器翻譯將會在多輪對話翻譯及 篇章翻譯等領(lǐng)域取得更大進(jìn)展。目前非限定領(lǐng)域機(jī)器翻譯中性能較佳的一種是統(tǒng)計(jì)機(jī)器翻譯，包括訓(xùn)練及解 碼兩個(gè)階段。 訓(xùn)練階段的目標(biāo)是獲得模型參數(shù)， 解碼階段的目標(biāo)是利用所估計(jì)的 參數(shù)和給定的優(yōu)化目標(biāo)， 獲取待翻譯語句的最佳翻譯結(jié)果。 統(tǒng)計(jì)機(jī)器翻譯主要包 括語料預(yù)處理、 詞對齊、 短語抽取、 短語概率計(jì)算、最大熵調(diào)序等步驟。基于神 經(jīng)網(wǎng)絡(luò)的端到端翻譯方法不需要針對雙語句子 專門設(shè)計(jì)特征模型，而是直接把源 語言句子的詞串送入神經(jīng)網(wǎng)絡(luò)模型，經(jīng)過神經(jīng)網(wǎng)絡(luò)的運(yùn) 算，得到目標(biāo)語言句子的 翻譯結(jié)果。在基于端到端的機(jī)器翻譯系統(tǒng)中，通常采用遞歸神經(jīng) 網(wǎng)絡(luò)或卷積神經(jīng) 網(wǎng)絡(luò)對句子進(jìn)行表征建模，

12、從海量訓(xùn)練數(shù)據(jù)中抽取語義信息，與基于短語 的統(tǒng)計(jì) 翻譯相比，其翻譯結(jié)果更加流暢自然，在實(shí)際應(yīng)用中取得了較好的效果。（2）語義理解語義理解技術(shù)是指利用計(jì)算機(jī)技術(shù)實(shí)現(xiàn)對文本篇章的理解，并且回答與篇章 相關(guān)問題的過 程。語義理解更注重于對上下文的理解以及對答案精準(zhǔn)程度的把控。 隨著 MCTest 數(shù)據(jù)集文案大全實(shí)用標(biāo)準(zhǔn)的發(fā)布，語義理解受到更多關(guān)注，取得了快速發(fā)展，相關(guān)數(shù) 據(jù)集和對應(yīng)的神經(jīng)網(wǎng)絡(luò)模型層 出不窮。語義理解技術(shù)將在智能客服、產(chǎn)品自動(dòng)問 答等相關(guān)領(lǐng)域發(fā)揮重要作用，進(jìn)一步提 高問答與對話系統(tǒng)的精度。在數(shù)據(jù)采集方面，語義理解通過自動(dòng)構(gòu)造數(shù)據(jù)方法和自動(dòng)構(gòu)造填空型問題的 方法來有效擴(kuò) 充數(shù)據(jù)資源。為了

13、解決填充型問題，一些基于深度學(xué)習(xí)的方法相繼 提出，如基于注意力的 神經(jīng)網(wǎng)絡(luò)方法。當(dāng)前主流的模型是利用神經(jīng)網(wǎng)絡(luò)技術(shù)對篇 章、問題建模，對答案的開始和 終止位置進(jìn)行預(yù)測，抽取出篇章片段。對于進(jìn)一 步泛化的答案，處理難度進(jìn)一步提升，目 前的語義理解技術(shù)仍有較大的提升空間。（3）問答系統(tǒng)問答系統(tǒng)分為開放領(lǐng)域的對話系統(tǒng)和特定領(lǐng)域的問答系統(tǒng)。問答系統(tǒng)技術(shù)是 指讓計(jì)算機(jī)像 人類一樣用自然語言與人交流的技術(shù)。人們可以向問答系統(tǒng)提交用 自然語言表達(dá)的問題， 系統(tǒng)會返回關(guān)聯(lián)性較高的答案。盡管問答系統(tǒng)目前已經(jīng)有 了不少應(yīng)用產(chǎn)品出現(xiàn)，但大多是 在實(shí)際信息服務(wù)系統(tǒng)和智能手機(jī)助手等領(lǐng)域中的 應(yīng)用，在問答系統(tǒng)魯棒性方面仍然

14、存在著 問題和挑戰(zhàn)。自然語言處理面臨四大挑戰(zhàn)：一是在詞法、句法、語義、語用和語音等不同 層面存在不確 定性；二是新的詞匯、術(shù)語、語義和語法導(dǎo)致未知語言現(xiàn)象的不可 預(yù)測性；三是數(shù)據(jù)資源 的不充分使其難以覆蓋復(fù)雜的語言現(xiàn)象；四是語義知識的 模糊性和錯(cuò)綜復(fù)雜的關(guān)聯(lián)性難以 用簡單的數(shù)學(xué)模型描述，語義計(jì)算需要參數(shù)龐大 的非線性計(jì)算。4 人機(jī)交互人機(jī)交互主要研究人和計(jì)算機(jī)之間的信息交換，主要包括人到計(jì)算機(jī)和計(jì)算 機(jī)到人的兩部 分信息交換，是人工智能領(lǐng)域的重要的外圍技術(shù)。人機(jī)交互是與認(rèn)知心理學(xué)、人機(jī)工程學(xué)、 多媒體技術(shù)、 虛擬現(xiàn)實(shí)技術(shù)等密切相關(guān)的綜合學(xué)科。 傳統(tǒng)的人與計(jì)算機(jī)之間的信息交換主要 依靠交互設(shè)備進(jìn)

15、行， 主要包括鍵盤、 鼠標(biāo)、 操縱桿、 數(shù)據(jù)服裝、 眼動(dòng)跟蹤器、 位置跟蹤器、 數(shù)據(jù)手套、壓力筆等輸入設(shè)備，以及打印機(jī)、繪圖儀、顯示器、頭盔式顯示器、音箱等輸出 設(shè)備。人機(jī)交互技術(shù) 除了傳統(tǒng)的基本交互和圖形交互外，還包括語音交互、情感交互、體 感交互及腦 機(jī)交互等技術(shù)，以下對后四種與人工智能關(guān)聯(lián)密切的典型交互手段進(jìn)行介紹。（1）語音交互語音交互是一種高效的交互方式，是人以自然語音或機(jī)器合成語音同計(jì)算機(jī) 進(jìn)行交互的綜 合性技術(shù)，結(jié)合了語言學(xué)、心理學(xué)、工程和計(jì)算機(jī)技術(shù)等領(lǐng)域的知 識。語音交互不僅要對 語音識別和語音合成進(jìn)行研究， 還要對人在語音通道下的 交互機(jī)理、 行為方式等進(jìn)行研究。 語音交互過

16、程包括四部分：語音采集、語音識 別、語義理解和語音合成。語音采集完成音 頻的錄入、采樣及編碼；語音識別完 成語音信息到機(jī)器可識別的文本信息的轉(zhuǎn)化；語義理 解根據(jù)語音識別轉(zhuǎn)換后的文 本字符或命令完成相應(yīng)的操作；語音合成完成文本信息到聲音 信息的轉(zhuǎn)換。作為 人類溝通和獲取信息最自然便捷的手段，語音交互比其他交互方式具備 更多優(yōu)勢， 能為人機(jī)交互帶來根本性變革，是大數(shù)據(jù)和認(rèn)知計(jì)算時(shí)代未來發(fā)展的制高點(diǎn)， 具 有廣闊的發(fā)展前景和應(yīng)用前景。文案大全實(shí)用標(biāo)準(zhǔn)（2）情感交互情感是一種高層次的信息傳遞，而情感交互是一種交互狀態(tài)，它在表達(dá)功能 和信息時(shí)傳遞 情感，勾起人們的記憶或心的情愫。傳統(tǒng)的人機(jī)交互無法理解和

17、 適應(yīng)人的情緒或心境，缺 乏情感理解和表達(dá)能力，計(jì)算機(jī)難以具有類似人一樣的 智能，也難以通過人機(jī)交互做到真 正的和諧與自然。情感交互就是要賦予計(jì)算機(jī) 類似于人一樣的觀察、理解和生成各種情感 的能力，最終使計(jì)算機(jī)像人一樣能進(jìn) 行自然、親切和生動(dòng)的交互。情感交互已經(jīng)成為人工 智能領(lǐng)域中的熱點(diǎn)方向，旨 在讓人機(jī)交互變得更加自然。目前，在情感交互信息的處理方 式、情感描述方式、 情感數(shù)據(jù)獲取和處理過程、情感表達(dá)方式等方面還有諸多技術(shù)挑戰(zhàn)。（3）體感交互體感交互是個(gè)體不需要借助任何復(fù)雜的控制系統(tǒng)，以體感技術(shù)為基礎(chǔ)，直接 通過肢體動(dòng)作 與周邊數(shù)字設(shè)備裝置和環(huán)境進(jìn)行自然的交互。依照體感方式與原理 的不同，體

18、感技術(shù)主要 分為三類： 慣性感測、 光學(xué)感測以及光學(xué)聯(lián)合感測。 體感 交互通常由運(yùn)動(dòng)追蹤、 手勢識別、 運(yùn)動(dòng)捕捉、 面部表情識別等一系列技術(shù)支撐。 與其他交互手段相比， 體感交互技術(shù)無論是硬 件還是軟件方面都有了較大的提升， 交互設(shè)備向小型化、 便攜化、 使用方便化等方面發(fā)展， 大大降低了對用戶的約束， 使得交互過程更加自然。目前，體感交互在游戲娛樂、醫(yī)療輔 助與康復(fù)、全自動(dòng) 三維建模、輔助購物、眼動(dòng)儀等領(lǐng)域有了較為廣泛的應(yīng)用。（4）腦機(jī)交互腦機(jī)交互又稱為腦機(jī)接口，指不依賴于外圍神經(jīng)和肌肉等神經(jīng)通道，直接實(shí) 現(xiàn)大腦與外界 信息傳遞的通路。腦機(jī)接口系統(tǒng)檢測中樞神經(jīng)系統(tǒng)活動(dòng)，并將其轉(zhuǎn) 化為人工輸出

19、指令，能 夠替代、修復(fù)、增強(qiáng)、補(bǔ)充或者改善中樞神經(jīng)系統(tǒng)的正常 輸出，從而改變中樞神經(jīng)系統(tǒng)與 外環(huán)境之間的交互作用。腦機(jī)交互通過對神經(jīng) 信號解碼，實(shí)現(xiàn)腦信號到機(jī)器指令的轉(zhuǎn)化， 一般包括信號采集、特征提取和命令 輸出三個(gè)模塊。從腦電信號采集的角度，一般將腦機(jī) 接口分為侵入式和非侵入式 兩大類。除此之外，腦機(jī)接口還有其他常見的分類方式：按照 信號傳輸方向可以 分為腦到機(jī)、機(jī)到腦和腦機(jī)雙向接口；按照信號生成的類型，可分為自 發(fā)式腦機(jī) 接口和誘發(fā)式腦機(jī)接口；按照信號源的不同還可分為基于腦電的腦機(jī)接口、基于 功能性核磁共振的腦機(jī)接口以及基于近紅外光譜分析的腦機(jī)接口。5 計(jì)算機(jī)視覺計(jì)算機(jī)視覺是使用計(jì)算機(jī)模仿

20、人類視覺系統(tǒng)的科學(xué)，讓計(jì)算機(jī)擁有類似人類 提取、處理、 理解和分析圖像以及圖像序列的能力。自動(dòng)駕駛、機(jī)器人、智能醫(yī) 療等領(lǐng)域均需要通過計(jì) 算機(jī)視覺技術(shù)從視覺信號中提取并處理信息。近來隨著深 度學(xué)習(xí)的發(fā)展，預(yù)處理、特征提 取與算法處理漸漸融合，形成端到端的人工智能 算法技術(shù)。根據(jù)解決的問題，計(jì)算機(jī)視覺 可分為計(jì)算成像學(xué)、圖像理解、三維視 覺、動(dòng)態(tài)視覺和視頻編解碼五大類。（1）計(jì)算成像學(xué)計(jì)算成像學(xué)是探索人眼結(jié)構(gòu)、 相機(jī)成像原理以及其延伸應(yīng)用的科學(xué)。 在相機(jī) 成像原理方面，文案大全實(shí)用標(biāo)準(zhǔn)計(jì)算成像學(xué)不斷促進(jìn)現(xiàn)有可見光相機(jī)的完善，使得現(xiàn)代相機(jī)更加 輕便，可以適用于不同場 景。同時(shí)計(jì)算成像學(xué)也推動(dòng)著新型

21、相機(jī)的產(chǎn)生，使相機(jī) 超出可見光的限制。在相機(jī)應(yīng)用科 學(xué)方面，計(jì)算成像學(xué)可以提升相機(jī)的能力，從 而通過后續(xù)的算法處理使得在受限條件下拍 攝的圖像更加完善，例如圖像去噪、去模糊、暗光增強(qiáng)、去霧霾等，以及實(shí)現(xiàn)新的功能，例 如全景圖、軟件虛化、超 分辨率等。（2）圖像理解圖像理解是通過用計(jì)算機(jī)系統(tǒng)解釋圖像， 實(shí)現(xiàn)類似人類視覺系統(tǒng)理解外部世 界的一門科學(xué)。 通常根據(jù)理解信息的抽象程度可分為三個(gè)層次：淺層理解，包括 圖像邊緣、圖像特征點(diǎn)、 紋理元素等；中層理解，包括物體邊界、區(qū)域與平面等； 高層理解，根據(jù)需要抽取的高層 語義信息，可大致分為識別、檢測、分割、姿態(tài) 估計(jì)、圖像文字說明等。目前高層圖像理 解算

22、法已逐漸廣泛應(yīng)用于人工智能系統(tǒng)， 如刷臉支付、智慧安防、圖像搜索等。（3）三維視覺三維視覺即研究如何通過視覺獲取三維信息（三維重建）以及如何理解所獲 取的三維信息 的科學(xué)。三維重建可以根據(jù)重建的信息來源，分為單目圖像重建、 多目圖像重建和深度圖 像重建等。三維信息理解，即使用三維信息輔助圖像理解 或者直接理解三維信息。三維信 息理解可分為，淺層：角點(diǎn)、邊緣、法向量等； 中層：平面、立方體等；高層：物體檢測、 識別、分割等。三維視覺技術(shù)可以廣 泛應(yīng)用于機(jī)器人、無人駕駛、智慧工廠、虛擬/增強(qiáng)現(xiàn)實(shí)等方向。（4）動(dòng)態(tài)視覺動(dòng)態(tài)視覺即分析視頻或圖像序列，模擬人處理時(shí)序圖像的科學(xué)。通常動(dòng)態(tài)視 覺問題可以定

23、義為尋找圖像元素，如像素、區(qū)域、物體在時(shí)序上的對應(yīng)，以及提 取其語義信息的問題。 動(dòng)態(tài)視覺研究被廣泛應(yīng)用在視頻分析以及人機(jī)交互等方面。（5）視頻編解碼視頻編解碼是指通過特定的壓縮技術(shù)，將視頻流進(jìn)行壓縮。視頻流傳輸中最 為重要的編解 碼標(biāo)準(zhǔn)有國際電聯(lián)的 H.261 、H.263、H.264、H.265 、M-JPEG 和 MPEG 系列標(biāo)準(zhǔn)。視頻壓 縮編碼主要分為兩大類： 無損壓縮和有損壓縮。 無損壓 縮指使用壓縮后的數(shù)據(jù)進(jìn)行重構(gòu)時(shí)， 重構(gòu)后的數(shù)據(jù)與原來的數(shù)據(jù)完全相同， 例如 磁盤文件的壓縮。 有損壓縮也稱為不可逆編碼， 指使用壓縮后的數(shù)據(jù)進(jìn)行重構(gòu)時(shí)， 重構(gòu)后的數(shù)據(jù)與原來的數(shù)據(jù)有差異，但不會影響

24、人們對 原始資料所表達(dá)的信息產(chǎn) 生誤解。有損壓縮的應(yīng)用圍廣泛，例如視頻會議、可視、視頻廣 播、視頻監(jiān)控等。目前，計(jì)算機(jī)視覺技術(shù)發(fā)展迅速，已具備初步的產(chǎn)業(yè)規(guī)模。未來計(jì)算機(jī)視覺 技術(shù)的發(fā)展主 要面臨以下挑戰(zhàn)：一是如何在不同的應(yīng)用領(lǐng)域和其他技術(shù)更好的結(jié) 合，計(jì)算機(jī)視覺在解決 某些問題時(shí)可以廣泛利用大數(shù)據(jù)，已經(jīng)逐漸成熟并且可以 超過人類，而在某些問題上卻無 法達(dá)到很高的精度；二是如何降低計(jì)算機(jī)視覺算 法的開發(fā)時(shí)間和人力成本，目前計(jì)算機(jī)視 覺算法需要大量的數(shù)據(jù)與人工標(biāo)注，需 要較長的研發(fā)周期以達(dá)到應(yīng)用領(lǐng)域所要求的精度與文案大全實(shí)用標(biāo)準(zhǔn)耗時(shí)；三是如何加快新型算法 的設(shè)計(jì)開發(fā)，隨著新的成像硬件與人工智能芯片

25、的出現(xiàn)，針 對不同芯片與數(shù)據(jù)采 集設(shè)備的計(jì)算機(jī)視覺算法的設(shè)計(jì)與開發(fā)也是挑戰(zhàn)之一。6 生物特征識別生物特征識別技術(shù)是指通過個(gè)體生理特征或行為特征對個(gè)體身份進(jìn)行識別 認(rèn)證的技術(shù)。從 應(yīng)用流程看，生物特征識別通常分為注冊和識別兩個(gè)階段。注冊 階段通過傳感器對人體的 生物表征信息進(jìn)行采集，如利用圖像傳感器對指紋和人 臉等光學(xué)信息、麥克風(fēng)對說話聲等 聲學(xué)信息進(jìn)行采集，利用數(shù)據(jù)預(yù)處理以及特征 提取技術(shù)對采集的數(shù)據(jù)進(jìn)行處理，得到相應(yīng) 的特征進(jìn)行存儲。 識別過程采用與注 冊過程一致的信息采集方式對待識別人進(jìn)行信息采集、 數(shù)據(jù)預(yù)處理和特征提取， 然后將提取的特征與存儲的特征進(jìn)行比對分析，完成識別。從應(yīng) 用任務(wù)看

26、，生物 特征識別一般分為辨認(rèn)與確認(rèn)兩種任務(wù)，辨認(rèn)是指從存儲庫中確定待識別 人身份 的過程， 是一對多的問題； 確認(rèn)是指將待識別人信息與存儲庫中特定單人信息進(jìn) 行 比對，確定身份的過程，是一對一的問題。生物特征識別技術(shù)涉及的容十分廣泛，包括指紋、掌紋、人臉、虹膜、指 靜脈、聲紋、步 態(tài)等多種生物特征，其識別過程涉及到圖像處理、計(jì)算機(jī)視覺、 語音識別、機(jī)器學(xué)習(xí)等多 項(xiàng)技術(shù)。目前生物特征識別作為重要的智能化身份認(rèn)證 技術(shù)，在金融、公共安全、教育、 交通等領(lǐng)域得到廣泛的應(yīng)用。下面將對指紋識 別、人臉識別、虹膜識別、指靜脈識別、聲 紋識別以及步態(tài)識別等技術(shù)進(jìn)行介紹。（1）指紋識別 指紋識別過程通常包括數(shù)

27、據(jù)采集、數(shù)據(jù)處理、分析判別三個(gè)過程。數(shù)據(jù)采集 通過光、電、力、熱等物理傳感器獲取指紋圖像；數(shù)據(jù)處理包括預(yù)處理、畸變校正、特征提 取三個(gè)過程；分析判別是對提取的特征進(jìn)行分析判別的過程。（2）人臉識別 人臉識別是典型的計(jì)算機(jī)視覺應(yīng)用，從應(yīng)用過程來看，可將人臉識別技術(shù)劃 分為檢測定位、 面部特征提取以及人臉確認(rèn)三個(gè)過程。 人臉識別技術(shù)的應(yīng)用主要 受到光照、 拍攝角度、圖像遮擋、年齡等多個(gè)因素的影響，在約束條件下人臉識 別技術(shù)相對成熟，在 自由條件下人臉識別技術(shù)還在不斷改進(jìn)。（3）虹膜識別 虹膜識別的理論框架主要包括虹膜圖像分割、虹膜區(qū)域歸一化、特征提取和識別四個(gè)部分，研究工作大多是基于此理論框架發(fā)展

28、而來。虹膜識別技術(shù)應(yīng)用的 主要難題 包含傳感器和光照影響兩個(gè)方面：一方面，由于虹膜尺寸小且受黑色素 遮擋，需在近紅外 光源下采用高分辨圖像傳感器才可清晰成像，對傳感器質(zhì)量和 穩(wěn)定性要求比較高；另一方 面，光照的強(qiáng)弱變化會引起瞳孔縮放，導(dǎo)致虹膜紋理 產(chǎn)生復(fù)雜形變，增加了匹配的難度。（4）指靜脈識別 指靜脈識別是利用了人體靜脈血管中的脫氧血紅蛋白對特定波長圍的 近 紅外線有很好的吸收作用這一特性，采用近紅外光對指靜脈進(jìn)行成像與識別的 技術(shù)。由于 指靜脈血管分布隨機(jī)性很強(qiáng)，其網(wǎng)絡(luò)特征具有很好的唯一性，且屬于 人體部特征，不受到 外界影響， 因此模態(tài)特性十分穩(wěn)定。 指靜脈識別技術(shù)應(yīng)用 面臨的主要難題來自于成像單元。（5）聲紋識別 聲紋識別是指根據(jù)待識別語音的聲紋特征識別說話人的技術(shù)。 聲紋識別技術(shù) 通常可以分為前端處理和建模分析兩個(gè)階段。