李觀發(fā)

摘要：21世紀(jì)以來(lái)，智能化技術(shù)的飛速發(fā)展，使人工智能逐漸滲透到各個(gè)領(lǐng)域中，并影響著人們的方方面面，圖像識(shí)別便是人工智能的重要體現(xiàn)。近些年來(lái)，人們對(duì)圖像識(shí)別技術(shù)的愈發(fā)關(guān)注，使圖像識(shí)別技術(shù)的應(yīng)用領(lǐng)域正變得愈發(fā)廣泛，在地質(zhì)勘測(cè)、醫(yī)療診斷、面部識(shí)別等都會(huì)應(yīng)用到圖像識(shí)別技術(shù)，這也使圖像識(shí)別技術(shù)成為人們的一大關(guān)注焦點(diǎn)。鑒于此，本文便對(duì)人工智能背景下圖像識(shí)別技術(shù)進(jìn)行淺要的分析，以期能夠進(jìn)一步提高圖像識(shí)別技術(shù)的應(yīng)用水平。

關(guān)鍵詞：人工智能 圖像識(shí)別技術(shù)

引言

在人工智能背景下圖像識(shí)別技術(shù)已經(jīng)成為一種新興的技術(shù)手段，該技術(shù)在短短的幾十年里得到了迅猛的發(fā)展，并在指紋識(shí)別、衛(wèi)星云圖識(shí)別、醫(yī)療診斷、安全驗(yàn)證等諸多領(lǐng)域中發(fā)揮著越來(lái)越重要的作用。在人工智能的帶動(dòng)下，圖像識(shí)別技術(shù)的應(yīng)用水平正得以不斷提高，關(guān)于圖像識(shí)別技術(shù)的應(yīng)用，也正受到越來(lái)越多人的關(guān)注。為了使圖像識(shí)別技術(shù)能夠得到更好的應(yīng)用，以下便對(duì)人工智能背景下圖像識(shí)別技術(shù)進(jìn)行淺要的分析。

1圖像識(shí)別技術(shù)

圖像識(shí)別技術(shù)作為人工智能的重要應(yīng)用體現(xiàn)，其自誕生以來(lái)，便經(jīng)歷了三個(gè)發(fā)展應(yīng)用階段，圖像識(shí)別技術(shù)在應(yīng)用初期，主要用于對(duì)文字進(jìn)行識(shí)別，隨后其被應(yīng)用于數(shù)字圖像的處理與識(shí)別，最后則開(kāi)始進(jìn)一步應(yīng)用到物體識(shí)別之中?，F(xiàn)如今，圖像識(shí)別技術(shù)的功能已經(jīng)變得非常強(qiáng)大，其應(yīng)用領(lǐng)域也變得日益廣泛。對(duì)于圖像識(shí)別技術(shù)來(lái)說(shuō)，其原理并不復(fù)雜，該技術(shù)中主要是以信息處理為核心，利用計(jì)算機(jī)來(lái)對(duì)圖像進(jìn)行記憶與識(shí)別的，在應(yīng)用過(guò)程中，其能夠?qū)θ梭w大腦進(jìn)行模擬來(lái)提取圖像特征，然后根據(jù)相應(yīng)的認(rèn)知規(guī)律來(lái)對(duì)不必要的冗余信息進(jìn)行排除，以此確定重要信息，明確圖像分類(lèi)，這樣工作人員便可根據(jù)自身所需隨時(shí)隨地的從計(jì)算機(jī)數(shù)據(jù)庫(kù)中調(diào)取到想要的圖像，并且可獲得較為滿(mǎn)意的圖像識(shí)別結(jié)果。需要注意的是，圖像識(shí)別技術(shù)終究與人眼識(shí)別有所不同，因此在圖像識(shí)別技術(shù)應(yīng)用過(guò)程中，其所提取的圖像特征是不穩(wěn)定的，正是這種不穩(wěn)定性，會(huì)對(duì)圖像識(shí)別技術(shù)的應(yīng)用效率與準(zhǔn)確性造成明顯影響。因此，在人工智能背景下，圖像識(shí)別技術(shù)中的圖像特征具有重要意義。

2人工智能背景下圖像識(shí)別技術(shù)淺析

在人工智能背景下，人們?cè)趹?yīng)用圖像識(shí)別技術(shù)時(shí)，主要包括兩種，一種是通過(guò)神經(jīng)網(wǎng)絡(luò)來(lái)進(jìn)行圖像識(shí)別的技術(shù)，另一種則是通過(guò)非線性降維方法來(lái)進(jìn)行圖像識(shí)別的技術(shù)，以下便對(duì)這兩種圖像識(shí)別技術(shù)進(jìn)行逐一論述。

2.1神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)作為人工智能中的一種重要技術(shù)，其是以現(xiàn)代神經(jīng)生物學(xué)作為基礎(chǔ)而研究出來(lái)的，神經(jīng)網(wǎng)絡(luò)能夠?qū)ι镞^(guò)程進(jìn)行模擬，以此對(duì)人腦在計(jì)算過(guò)程中所具有的某種特性結(jié)構(gòu)進(jìn)行反映，事實(shí)上，神經(jīng)網(wǎng)絡(luò)并不是完全依據(jù)人腦神經(jīng)結(jié)構(gòu)來(lái)進(jìn)行模仿的，其只不過(guò)是以抽象化方法來(lái)對(duì)人腦的神經(jīng)系統(tǒng)進(jìn)行描述，以便于提高計(jì)算結(jié)構(gòu)的效率。在以神經(jīng)網(wǎng)絡(luò)為核心的圖像識(shí)別技術(shù)中，其主要是借助于神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法來(lái)進(jìn)行圖像識(shí)別的，在利用神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)圖像識(shí)別時(shí)，往往需要先采取預(yù)處理方法來(lái)處理圖像，在該預(yù)處理環(huán)節(jié)中，需要將圖像從原有的真彩色模式轉(zhuǎn)換成灰度模式，即使真彩色圖像通過(guò)預(yù)處理手段使其轉(zhuǎn)化成灰度圖像，在預(yù)處理中，還需要對(duì)灰度圖像進(jìn)行旋轉(zhuǎn)、放大、歸一化等處理。為了使神經(jīng)網(wǎng)絡(luò)能夠在圖像識(shí)別中充分發(fā)揮作用，還要根據(jù)圖像識(shí)別的功能及對(duì)象來(lái)設(shè)計(jì)相應(yīng)的神經(jīng)網(wǎng)絡(luò)，在對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行設(shè)計(jì)時(shí)，需要對(duì)輸入層、隱含層乃至輸出層進(jìn)行逐一設(shè)計(jì)，然后還要確定初始權(quán)值以及期望誤差。在對(duì)輸入層進(jìn)行設(shè)計(jì)時(shí)，需要結(jié)合圖像識(shí)別的具體對(duì)象來(lái)明確求解問(wèn)題，確定最佳的數(shù)據(jù)描述方法。

為了使人們更易于理解，本文在設(shè)計(jì)輸入層時(shí)，將圖像樣本的尺寸縮放大小設(shè)置成16 x16，網(wǎng)絡(luò)輸入為256維。在對(duì)隱含層進(jìn)行設(shè)計(jì)時(shí)，則要對(duì)隱含層的數(shù)量及其單元數(shù)量進(jìn)行確定，現(xiàn)階段，許多研究都證明隱含層的層數(shù)及其神經(jīng)元數(shù)量會(huì)直接影響到圖像識(shí)別精度，因此需要確定最佳的隱含層層數(shù)及神經(jīng)元數(shù)量，只有這樣才能確保圖像識(shí)別精度達(dá)到最為理想的應(yīng)用效果。因此，在對(duì)隱含層中的單元數(shù)進(jìn)行確定時(shí)，需要結(jié)合經(jīng)驗(yàn)公式L=a+M+N、L= lOg2Ⅳ，這樣可避免削弱神經(jīng)網(wǎng)絡(luò)的泛化能力。針對(duì)神經(jīng)網(wǎng)絡(luò)在對(duì)外樣本進(jìn)行訓(xùn)練時(shí)出現(xiàn)的識(shí)別率較低問(wèn)題，在上述經(jīng)驗(yàn)公式中，輸出層中所含有的神經(jīng)元數(shù)量由M進(jìn)行表示，而輸入層中含有的神經(jīng)元數(shù)量則由N來(lái)進(jìn)行表示。需要考慮的是，對(duì)神經(jīng)網(wǎng)絡(luò)隱含層中一些影響不大的神經(jīng)單元進(jìn)行刪除，可使神經(jīng)網(wǎng)絡(luò)的應(yīng)用性能得到一定程度的提高，不過(guò)其結(jié)構(gòu)確定卻需要投入較長(zhǎng)的時(shí)間來(lái)進(jìn)行研究方可確定。在對(duì)神經(jīng)網(wǎng)絡(luò)中的輸出層進(jìn)行設(shè)計(jì)時(shí)，通常會(huì)采用多輸出型來(lái)設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)。但在確定初始權(quán)值時(shí)，為了使神經(jīng)網(wǎng)絡(luò)的收斂性能更佳，一般要將初始權(quán)值的選值范圍控制在（-1，1）之間，在確定期望誤差時(shí)，應(yīng)根據(jù)預(yù)期的誤差值及訓(xùn)練時(shí)間進(jìn)行確定，本文將期望誤差值確定為0.001。

在對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行設(shè)計(jì)后，便要對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，為了確保其識(shí)練結(jié)果能夠與圖像識(shí)別需求相符，本文應(yīng)用MATLAB軟件中的newff函數(shù)對(duì)相應(yīng)的兩層網(wǎng)絡(luò)進(jìn)行創(chuàng)建，該網(wǎng)絡(luò)中的輸出神經(jīng)元為1個(gè)，輸入神經(jīng)元的數(shù)量為16×16個(gè)，隱含層中的神經(jīng)單元數(shù)量為26個(gè)，采用learngdm作為學(xué)習(xí)函數(shù)，將學(xué)習(xí)速率的初始值控制在0.01至0.6之間，最大循環(huán)訓(xùn)練為2500。本文利用該神經(jīng)網(wǎng)絡(luò)來(lái)識(shí)別手寫(xiě)的26個(gè)英文字母，從識(shí)別結(jié)果中可以了解到，節(jié)點(diǎn)數(shù)量的不同會(huì)對(duì)圖像識(shí)別準(zhǔn)確率產(chǎn)生直接的影響，當(dāng)隱含層中的節(jié)點(diǎn)為26個(gè)時(shí)，可使圖像識(shí)別需求得到有效滿(mǎn)足。從神經(jīng)網(wǎng)絡(luò)的訓(xùn)練時(shí)間及其在圖像識(shí)別時(shí)所產(chǎn)生的誤差性能曲線可了解到，以神經(jīng)網(wǎng)絡(luò)為工具來(lái)進(jìn)行圖像識(shí)別，可使26個(gè)手寫(xiě)的英文字母得到有效識(shí)別，并且在識(shí)別過(guò)程中具有良好的抗干擾性能，識(shí)別效率非?？?，并且識(shí)別結(jié)果也較為準(zhǔn)確。因此，憑借上述特點(diǎn)，神經(jīng)網(wǎng)絡(luò)還可應(yīng)用于更復(fù)雜的圖像識(shí)別工作中。

2.2非線性降維

以非線性降維方法來(lái)進(jìn)行圖像識(shí)別也是經(jīng)常被人們所用到的，人們?cè)诶糜?jì)算機(jī)來(lái)進(jìn)行圖像識(shí)別時(shí)，其自身便相當(dāng)于進(jìn)行高維識(shí)別，由于高維特性的影響，致使計(jì)算機(jī)在進(jìn)行圖像識(shí)別時(shí)往往需要承受很大負(fù)擔(dān)，進(jìn)而影響到圖像的識(shí)別效果和速度，而通過(guò)非線性降維方法，則可有效提高圖像識(shí)別速度和識(shí)別質(zhì)量。所謂非線性降維，是在不對(duì)圖像結(jié)構(gòu)進(jìn)行破壞的基礎(chǔ)上，通過(guò)對(duì)自身維度進(jìn)行降低，以此提高圖像識(shí)別精度和速度。比如在對(duì)人臉進(jìn)行識(shí)別時(shí)，由于人臉圖像中的不均勻特性廣泛分布于高緯度空間，這也使計(jì)算機(jī)在識(shí)別人臉圖像時(shí)的耗費(fèi)時(shí)間過(guò)長(zhǎng)，從而給計(jì)算機(jī)造成很大負(fù)擔(dān)，而通過(guò)非線性降維方法，則可使人臉圖像變得相對(duì)緊湊，進(jìn)而提高人臉識(shí)別效率。

3結(jié)語(yǔ)

總而言之，在人工智能背景下，圖像識(shí)別技術(shù)已經(jīng)廣泛應(yīng)用于醫(yī)療診療安全檢查身份識(shí)別等領(lǐng)域其也給民眾的生活帶來(lái)了巨大改變，使民眾充分感受到人工智能所帶來(lái)的便利。為了使圖像識(shí)別技術(shù)能夠更好的為民眾服務(wù)，就必須要對(duì)圖像識(shí)別技術(shù)進(jìn)行更加深入的研究，使人工智能能夠真正融入到人們的生活。

參考文獻(xiàn)

[1]計(jì)算機(jī)人臉圖像識(shí)別技術(shù)[J].技術(shù)與市場(chǎng)，2014，21（11）：283.

[2]孟廣仕，圖像識(shí)別技術(shù)在人工智能中的應(yīng)用[J].信息與電腦（理論版），2018（12）：152-153.

[3]張娟.三維多媒體視覺(jué)圖像人工智能識(shí)別方法仿真[J]，計(jì)算機(jī)仿真，2018，35（09）：435 438.