司佳　陳思平　袁洲　仇亞駿

摘要：人工智能技術(shù)的快速發(fā)展，使得其在各領(lǐng)域中均有廣泛應(yīng)用，為有效提高圖像識(shí)別效率，確保能夠在短時(shí)間內(nèi)完成對(duì)海量圖片的信息搜索，保證能夠運(yùn)用人工智能手段完成圖片內(nèi)容識(shí)別與真?zhèn)巫R(shí)別等各項(xiàng)處理，學(xué)者加大了對(duì)人工智能技術(shù)在圖像識(shí)別以及生成技術(shù)中的應(yīng)用研究力度，希望能夠利用人工智能技術(shù)優(yōu)勢(shì)，更好地完成圖像識(shí)別和生成任務(wù)，為各領(lǐng)域工作開展提供可靠技術(shù)支持，通過(guò)對(duì)人工智能技術(shù)應(yīng)用基本情況的介紹，對(duì)基于圖像識(shí)別和生成技術(shù)的人工智能技術(shù)及其應(yīng)用展開深度探討，旨在提升人工智能技術(shù)在圖像識(shí)別與生成中的應(yīng)用水平，推動(dòng)我國(guó)圖像識(shí)別與生成技術(shù)穩(wěn)定性發(fā)展。

關(guān)鍵詞：繪畫識(shí)別 ?筆跡識(shí)別 ?人工智能技術(shù) ?神經(jīng)網(wǎng)絡(luò)技術(shù) ?圖像識(shí)別與生成技術(shù)

Application of Artificial Intelligence Technology Based on Image Recognition and Generation Technology

SI Jia??? CHEN Siping?? YUAN Zhou?? QIU Yajun

（Information and Communication Branch， State Grid Corporation of China， Beijing， 100053 China）

Abstract： The rapid development of artificial intelligence technology has led to its widespread application in various fields. In order to effectively improve the efficiency of image recognition， ensure that information search for massive images can be completed in a short time， and ensure that artificial intelligence methods can be used to complete various processes such as image content recognition and authenticity recognition， scholars have increased their research efforts on the application of artificial intelligence technology in image recognition and generation technology， hoping to utilize the advantages of artificial intelligence technology to better complete the task of image recognition and generation， and provide reliable technical support for the development of work in various fields. The article introduces the basic application of artificial intelligence technology and deeply explores artificial intelligence technology and its applications based on image recognition and generation technology， aiming to improve the application level of artificial intelligence technology in image recognition and generation， and promote the stable development of image recognition and generation technology in China.

Key Words： Painting recognition; Handwriting recognition; Artificial intelligence technology; Neural network technology; Image recognition and generation technology

人工智能技術(shù)屬于邊緣性學(xué)科，集心理學(xué)、哲學(xué)以及電子工程等各項(xiàng)學(xué)科于一體，整體技術(shù)應(yīng)用相對(duì)較為智能，可以模仿人腦進(jìn)行相關(guān)操作。為更好地完成圖像識(shí)別，確保能夠?yàn)楣P跡、繪畫識(shí)別等各項(xiàng)工作開展提供可靠技術(shù)依據(jù)，技術(shù)人員加大了對(duì)人工智能技術(shù)在圖像識(shí)別和生成中的研究力度，希望依靠人工智能技術(shù)的強(qiáng)大力量，不斷完善圖像識(shí)別精準(zhǔn)度和效率，保證最終生成圖像的質(zhì)量，以便為相關(guān)工作開展提供有力支撐。

1 人工智能及其應(yīng)用基本情況介紹

大量科學(xué)家在對(duì)人工智能進(jìn)行研究過(guò)程中，對(duì)其定義做出了不同解釋，部分科學(xué)家認(rèn)為，人工智能屬于知識(shí)學(xué)科內(nèi)容，可以對(duì)知識(shí)的獲取與使用等進(jìn)行表達(dá)，而另一部分學(xué)者認(rèn)為，人工智能是研究如何使用計(jì)算機(jī)去做只有人才能夠展開的智能工作。這些研究?jī)?nèi)容直接反映了人工智能的基本內(nèi)容與思想，表明人工智能是對(duì)人類智能活動(dòng)規(guī)律進(jìn)行研究，構(gòu)造一定智能人工系統(tǒng)，進(jìn)而利用計(jì)算機(jī)對(duì)人力才能勝任的工作進(jìn)行研究，從而通過(guò)模擬人類某些智能行為而展開的相應(yīng)活動(dòng)。

人工智能屬于計(jì)算機(jī)學(xué)科重要分支，在20世紀(jì)70年代就屬世界上的尖端技術(shù)。經(jīng)過(guò)多年的快速發(fā)展，人工智能已經(jīng)在多領(lǐng)域?qū)W科中得到應(yīng)用。目前，人工智能已經(jīng)發(fā)展成為獨(dú)立分支，在理論和實(shí)踐方面已經(jīng)形成獨(dú)立系統(tǒng)。

人工智能是研究利用計(jì)算機(jī)模擬人某些思維過(guò)程與智能行為的學(xué)科內(nèi)容，是對(duì)計(jì)算機(jī)的高層次應(yīng)用，涉及語(yǔ)言、計(jì)算機(jī)科學(xué)以及心理學(xué)等多項(xiàng)學(xué)科。從綜合角度而言，該學(xué)科涉及到了社會(huì)科學(xué)與自然科學(xué)中的所有學(xué)科內(nèi)容，整體范圍相對(duì)較廣，已經(jīng)遠(yuǎn)超過(guò)計(jì)算機(jī)科學(xué)范疇，其和思維科學(xué)屬于實(shí)踐與理論的關(guān)系，在思維科學(xué)中，處于技術(shù)應(yīng)用層次，屬于其應(yīng)用重要分支。就思維層面而言，人工智能不僅要對(duì)邏輯思維進(jìn)行考慮，同時(shí)還要對(duì)靈感思維與形象思維等內(nèi)容進(jìn)行分析和應(yīng)用，而數(shù)學(xué)被認(rèn)為是多學(xué)科的基礎(chǔ)科學(xué)內(nèi)容，開始在思維領(lǐng)域與語(yǔ)言等領(lǐng)域進(jìn)行應(yīng)用，是人工智能需要借助的重要工具。在數(shù)學(xué)學(xué)科的支持之下，人工智能學(xué)科發(fā)展會(huì)得到有效推動(dòng)，今后的人工智能技術(shù)也會(huì)變得更加智能和優(yōu)質(zhì)。就現(xiàn)階段的人工智能技術(shù)應(yīng)用來(lái)看，人工智能技術(shù)已經(jīng)在多個(gè)領(lǐng)域中取得顯著進(jìn)步，其中在圖像識(shí)別中對(duì)人工智能技術(shù)進(jìn)行應(yīng)用，將會(huì)成為本文接下來(lái)進(jìn)行討論的重點(diǎn)。

2 人工智能技術(shù)與圖像識(shí)別

2.1 基本情況概述

圖像識(shí)別主要包括計(jì)算機(jī)圖像識(shí)別、人類圖像識(shí)別兩種形式，兩種形式在應(yīng)用過(guò)程中并不存在本質(zhì)區(qū)別，但計(jì)算機(jī)圖像識(shí)別技術(shù)在應(yīng)用過(guò)程中并不會(huì)受到人類感官差異的影響，所以整體識(shí)別效率也相對(duì)較高。人類圖像識(shí)別技術(shù)的應(yīng)用并不會(huì)單一依靠腦海中儲(chǔ)存圖像進(jìn)行識(shí)別分析，會(huì)按照?qǐng)D像識(shí)別特征分類，根據(jù)不同類別進(jìn)行識(shí)別。人工智能技術(shù)屬于新型技術(shù)，是計(jì)算機(jī)科學(xué)以及其他科學(xué)發(fā)展的衍生物，將其應(yīng)用到圖像識(shí)別之中，會(huì)為圖像識(shí)別帶來(lái)更加優(yōu)質(zhì)的服務(wù)，能夠更好地適應(yīng)時(shí)代發(fā)展，滿足具體應(yīng)用要求。

2.2 常見(jiàn)圖像識(shí)別技術(shù)

2.2.1 神經(jīng)網(wǎng)絡(luò)技術(shù)

神經(jīng)網(wǎng)絡(luò)技術(shù)是現(xiàn)代較為常見(jiàn)的圖像識(shí)別技術(shù)，會(huì)以現(xiàn)有識(shí)別技術(shù)為基礎(chǔ)，通過(guò)融入神經(jīng)網(wǎng)絡(luò)算法的方式，構(gòu)建新型識(shí)別模式，完成對(duì)圖像的識(shí)別；會(huì)利用人工智能技術(shù)，通過(guò)對(duì)神經(jīng)網(wǎng)絡(luò)的應(yīng)用，構(gòu)建特征分布網(wǎng)絡(luò)。與傳統(tǒng)圖像識(shí)別技術(shù)有所不同，該項(xiàng)識(shí)別技術(shù)的復(fù)雜度會(huì)更高，能夠在對(duì)圖像內(nèi)部信息進(jìn)行捕捉之后，通過(guò)利用神經(jīng)網(wǎng)絡(luò)程序進(jìn)行識(shí)別的方式，完成分類和各項(xiàng)操控，整體識(shí)別更加精準(zhǔn)。在具體應(yīng)用過(guò)程中，會(huì)在完成相應(yīng)設(shè)計(jì)之后，展開神經(jīng)網(wǎng)絡(luò)訓(xùn)練，并會(huì)在識(shí)別過(guò)程中構(gòu)建兩層網(wǎng)絡(luò)，完成隱含層、輸出神經(jīng)元以及輸入層等內(nèi)容的建設(shè)，會(huì)通過(guò)對(duì)不同節(jié)點(diǎn)數(shù)對(duì)于圖像識(shí)別產(chǎn)生影響的驗(yàn)證，更好地完成識(shí)別操作。

2.2.2 模式識(shí)別技術(shù)

模式識(shí)別技術(shù)應(yīng)用會(huì)通過(guò)構(gòu)建模型的方式，利用計(jì)算機(jī)技術(shù)對(duì)數(shù)據(jù)信息進(jìn)行識(shí)別，按照數(shù)學(xué)原理完成圖像特征分析，進(jìn)而對(duì)識(shí)別內(nèi)容作出客觀評(píng)價(jià)^[1]。模式識(shí)別分為實(shí)現(xiàn)和學(xué)習(xí)兩個(gè)階段。其中，學(xué)習(xí)過(guò)程屬于一種對(duì)于信息進(jìn)行存儲(chǔ)的過(guò)程，會(huì)通過(guò)對(duì)需要識(shí)別圖像相關(guān)數(shù)據(jù)信息的采集和分析，按照相關(guān)規(guī)律展開識(shí)別操作，進(jìn)而完成對(duì)圖像內(nèi)容的精準(zhǔn)識(shí)別。由于這一過(guò)程容易受到外界因素和類似特征等因素的干擾，所以可能會(huì)出現(xiàn)誤判情況，需要不斷進(jìn)行調(diào)整和改善。

2.2.3 非線性降維技術(shù)

非線性識(shí)別技術(shù)是高維模式識(shí)別手段，技術(shù)應(yīng)用分辨率相對(duì)較高，能夠?qū)Ψ直媛瘦^低圖像進(jìn)行有效處理。在具體進(jìn)行識(shí)別過(guò)程中，會(huì)產(chǎn)生多維度數(shù)據(jù)信息，達(dá)到對(duì)識(shí)別內(nèi)容進(jìn)行有效分析的效果，整體計(jì)算效率較為理想。該項(xiàng)技術(shù)應(yīng)用具有較為突出的優(yōu)勢(shì)，能夠突出非線性降維形式，達(dá)到精準(zhǔn)識(shí)別效果，可以降低高維度空間分布不均勻所造成的不良影響干擾，確保信息提取效率和準(zhǔn)確性。

3 基于圖像識(shí)別與生成技術(shù)的人工智能技術(shù)應(yīng)用

3.1 在筆跡識(shí)別中的應(yīng)用

人工智能技術(shù)在生活以及生產(chǎn)等多個(gè)領(lǐng)域中均有涉及，而圖像識(shí)別和生成技術(shù)主要應(yīng)用于司法鑒定和筆跡鑒定等各項(xiàng)工作之中。基于圖像識(shí)別和生成技術(shù)展開人工智能技術(shù)應(yīng)用，需要對(duì)筆跡識(shí)別技術(shù)予以高度重視，利用人工智能技術(shù)完成筆記形態(tài)特征的分析和識(shí)別，通過(guò)對(duì)筆記字間距與筆畫粗細(xì)等各項(xiàng)內(nèi)容的深度分析，提取個(gè)體筆跡特征，以便更好地完成筆跡鑒定。對(duì)筆跡真?zhèn)芜M(jìn)行鑒定時(shí)，如果單純依靠專業(yè)人員分析，可能會(huì)存在工作量過(guò)大或分析容易受到人為因素干擾等問(wèn)題，所以需要通過(guò)對(duì)人工智能技術(shù)的合理利用，利用圖像識(shí)別和生成技術(shù)，對(duì)筆跡信息進(jìn)行全面研究，通過(guò)對(duì)其中各項(xiàng)數(shù)據(jù)信息進(jìn)行提取的方式，判斷筆跡是否存在偽造行為，并且可以通過(guò)運(yùn)用該項(xiàng)技術(shù)對(duì)名家筆記進(jìn)行識(shí)別的方式，辨別相關(guān)作品的真?zhèn)巍?/p>

3.2 在繪畫識(shí)別中的應(yīng)用

計(jì)算機(jī)在人類日常生活中的快速融入，使得開發(fā)者加大了對(duì)各種小游戲訓(xùn)練模式的開發(fā)力度，游戲種類變得更加豐富，游戲數(shù)量也呈現(xiàn)出不斷增加的狀態(tài)。需要運(yùn)用人工智能檢測(cè)技術(shù)對(duì)筆畫以及各項(xiàng)數(shù)據(jù)內(nèi)容進(jìn)行提取，從而完成對(duì)繪畫內(nèi)容的鑒別。在開展訓(xùn)練游戲時(shí)，可能有部分創(chuàng)作是由人工智能完成的，并且會(huì)在人們參與完訓(xùn)練之后，對(duì)相關(guān)數(shù)據(jù)信息進(jìn)行提取，以便實(shí)現(xiàn)對(duì)相關(guān)游戲的不斷調(diào)整和優(yōu)化^[2]。在具體進(jìn)行識(shí)別時(shí)，會(huì)利用人工智能技術(shù)展開關(guān)鍵特征提取，完成對(duì)基本形態(tài)的掌握，做好數(shù)據(jù)庫(kù)內(nèi)各項(xiàng)信息與畫中各項(xiàng)內(nèi)容的匹配分析，進(jìn)而給出精準(zhǔn)判斷。雖然該項(xiàng)技術(shù)在應(yīng)用過(guò)程中還存在一定問(wèn)題，但隨著對(duì)于該項(xiàng)技術(shù)應(yīng)用的不斷深入以及各種測(cè)試訓(xùn)練的不斷加深，各種技術(shù)應(yīng)用缺陷也在不斷得到調(diào)整，會(huì)使技術(shù)在繪畫識(shí)別中的應(yīng)用變得更加智能。除上述幾點(diǎn)之外，還可利用人工智能技術(shù)，通過(guò)筆觸可判斷名畫真?zhèn)?，如圖1所示。

3.3 在實(shí)物識(shí)別中的應(yīng)用

在現(xiàn)代社會(huì)中，有大量需要對(duì)實(shí)物進(jìn)行識(shí)別的活動(dòng)，而活動(dòng)需求量的不斷增加，也使得各種技術(shù)應(yīng)用得到了不斷改革與創(chuàng)新，開始成為成熟型技術(shù)應(yīng)用模式。對(duì)基于圖像識(shí)別和生成技術(shù)的人工智能技術(shù)進(jìn)行應(yīng)用過(guò)程中，可以通過(guò)對(duì)信息技術(shù)的應(yīng)用，完成人臉面部識(shí)別和分析，進(jìn)而根據(jù)面部特征完成身份相關(guān)信息的獲取并確認(rèn)，完成相關(guān)活動(dòng)。此種方式可以用于火車站檢票與人員信息核查等類型工作，但在實(shí)際應(yīng)用過(guò)程中可能會(huì)因?yàn)閭€(gè)體妝容或者妝發(fā)等方面因素的影響，出現(xiàn)無(wú)法識(shí)別的情況。在具體進(jìn)行識(shí)別時(shí)，需要通過(guò)對(duì)人臉實(shí)時(shí)分割的方式，獲取人體面部的各項(xiàng)特征信息，并按照五官參數(shù)比例內(nèi)容展開三維人臉驗(yàn)證操作，確保能夠做好人臉識(shí)別技術(shù)的驗(yàn)證，進(jìn)而完成相應(yīng)檢驗(yàn)?zāi)繕?biāo)^[3]。該項(xiàng)技術(shù)在人臉解鎖以及人臉打卡等活動(dòng)中均有著廣泛應(yīng)用，并且在人臉識(shí)別付款等方面也有著不斷嘗試，為民眾的日常出行和生活帶來(lái)了極大的便利，但在進(jìn)行人臉識(shí)別過(guò)程中，也需要注重人員數(shù)據(jù)信息保護(hù)，避免出現(xiàn)數(shù)據(jù)信息泄露問(wèn)題，造成不良影響。

4 技術(shù)應(yīng)用具體實(shí)例分析

為更好地對(duì)圖像識(shí)別與生成人工智能技術(shù)進(jìn)行探究，在此將以某人臉識(shí)別技術(shù)為例，技術(shù)應(yīng)用展開探討。

為更好的對(duì)人工智能技術(shù)進(jìn)行應(yīng)用，做好人臉特征提取和預(yù)測(cè)識(shí)別，某高校利用主成分分析（Principal Component Analysis，PCA）以及人工神經(jīng)網(wǎng)絡(luò)等人工智能技術(shù)，對(duì)人臉特征進(jìn)行了分類以及提取等一系列操作，通過(guò)生成對(duì)抗網(wǎng)絡(luò)的方式，展開手寫數(shù)字生成，并實(shí)施支持向量機(jī)（Support Vector Machines，SVM），獲得了精準(zhǔn)的生成效果^[5]。PCA即主成分分析，也被稱為主分量分析，會(huì)通過(guò)對(duì)降維思維的應(yīng)用，將多指標(biāo)轉(zhuǎn)化為少數(shù)綜合指標(biāo)，完成相關(guān)分析識(shí)別。在具體操作過(guò)程中，會(huì)對(duì)數(shù)據(jù)庫(kù)平均臉圖像進(jìn)行分析，運(yùn)用PCA實(shí)施人臉降維處理，設(shè)置每個(gè)維度特征臉圖像，并對(duì)所有維度代表人臉信息進(jìn)行深度探討。

在獲取平均臉的數(shù)據(jù)時(shí)，會(huì)通過(guò)對(duì)數(shù)據(jù)庫(kù)上百?gòu)埲四樳M(jìn)行儲(chǔ)存矩陣排列的方式，對(duì)每一行人臉作為一張進(jìn)行特征提取，并對(duì)每一個(gè)維度進(jìn)行平均處理，形成新行向量，完成平均臉設(shè)置。平均臉能夠?qū)?shù)據(jù)庫(kù)中上百?gòu)埲四樒骄卣鬟M(jìn)行清晰顯示，可以更加清晰地完成人臉輪廓的識(shí)別，但無(wú)法對(duì)局部細(xì)節(jié)進(jìn)行直觀呈現(xiàn)。在獲得平均臉信息之后，需要降至不同維度，還原臉信息，確保圖像清晰度能夠得到有效提升，能夠有效縮小和原圖之間的差異。

為對(duì)不同維度代表人臉信息進(jìn)行深度研究，需要對(duì)每一個(gè)特征向量進(jìn)行單獨(dú)提取，通過(guò)進(jìn)行人臉做還原處理的方式，確保能夠在還原過(guò)程中避免加入平均臉的情況，采用直方圖均衡化處理的方式，獲得相關(guān)數(shù)據(jù)信息。按照特征值，根據(jù)由大到小的順序進(jìn)行逐一排列，完成對(duì)應(yīng)特征向量人臉還原。

需要通過(guò)對(duì)各維度代表特征進(jìn)行獲取的方式，對(duì)所得圖像進(jìn)行觀察。研究發(fā)現(xiàn)，人臉模糊程度逐漸增加，在100維之后，已經(jīng)無(wú)法對(duì)人臉進(jìn)行辨認(rèn)，表明前面維度能夠?qū)Υ蟊娔樚卣鬟M(jìn)行直觀反饋，而后面維度會(huì)對(duì)人臉不同細(xì)節(jié)進(jìn)行呈現(xiàn)。會(huì)通過(guò)對(duì)支持向量機(jī)的應(yīng)用，完成對(duì)人臉的分類，通過(guò)構(gòu)建學(xué)習(xí)算法相關(guān)監(jiān)督學(xué)習(xí)模型的方式，對(duì)數(shù)據(jù)信息進(jìn)行分析，完成模式識(shí)別，進(jìn)而展開歸類分析以及分類操作。利用人工神經(jīng)元網(wǎng)絡(luò)展開參數(shù)調(diào)節(jié)，完成對(duì)相關(guān)內(nèi)容的分析。由于利用神經(jīng)網(wǎng)絡(luò)進(jìn)行參數(shù)調(diào)節(jié)，存在準(zhǔn)確率變化相對(duì)較為復(fù)雜的問(wèn)題，整體識(shí)別準(zhǔn)確率還存在較大上升空間，所以還需要不斷對(duì)參數(shù)進(jìn)行優(yōu)化。

技術(shù)人員通過(guò)生成對(duì)抗網(wǎng)絡(luò)的方式，構(gòu)建深度學(xué)習(xí)模型，利用模型完成框架建設(shè)，展開判別模型以及生成模型的建設(shè)，根據(jù)GAN理論，擬合判別函數(shù)和相應(yīng)生成^[6]，會(huì)通過(guò)對(duì)手寫數(shù)字圖片的應(yīng)用，完成對(duì)抗網(wǎng)絡(luò)生成，展開訓(xùn)練和手寫數(shù)字的生成，對(duì)每個(gè)數(shù)字進(jìn)行5 000個(gè)樣本提取和訓(xùn)練，構(gòu)建訓(xùn)練集。運(yùn)用SVM對(duì)生成手寫數(shù)字實(shí)施分類，并從中選取想要生成的手寫字體，對(duì)已有數(shù)據(jù)進(jìn)行挑選，完成5 000個(gè)訓(xùn)練集數(shù)據(jù)的挑選和處理。通過(guò)在生成器以及識(shí)別器完成輸入層和輸出層等各項(xiàng)內(nèi)容設(shè)置的方式，做好參數(shù)設(shè)定工作，利用SVM完成手寫數(shù)字的分類，進(jìn)而設(shè)置正確類別，方便后續(xù)進(jìn)行圖像分析。

綜上所述，在整體進(jìn)行圖像識(shí)別和生成過(guò)程中，首先，會(huì)先運(yùn)用PCA對(duì)原始數(shù)據(jù)展開降維處理，在保留原始主要信息的同時(shí)，嚴(yán)格控制算法執(zhí)行時(shí)間，保證識(shí)別效率。其次，會(huì)通過(guò)組合SVM二分類器的方式，生成多分類器展開人臉識(shí)別，整體識(shí)別準(zhǔn)確度接近90%，在人工神經(jīng)網(wǎng)絡(luò)的支持之下，分類準(zhǔn)確度高達(dá)94%，能夠?yàn)楹罄m(xù)識(shí)別奠定良好基礎(chǔ)。最后，會(huì)通過(guò)GAN生成相應(yīng)手寫字體，對(duì)SVM實(shí)施正確分類，保證手寫數(shù)字的逼真程度，以便高質(zhì)量完成識(shí)別任務(wù)。

5 結(jié)語(yǔ)

基于圖像識(shí)別與生成技術(shù)展開人工智能技術(shù)應(yīng)用，會(huì)進(jìn)一步加大對(duì)各種圖像信息的識(shí)別準(zhǔn)確度，保證筆記以及繪畫等各項(xiàng)內(nèi)容的識(shí)別，能夠更加精準(zhǔn)、高效，但就目前該項(xiàng)技術(shù)整體發(fā)展情況來(lái)看，技術(shù)應(yīng)用還是處于初級(jí)發(fā)展階段，無(wú)論是神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用，還是圖像識(shí)別精準(zhǔn)度都存在有待提高之處，強(qiáng)調(diào)需要進(jìn)一步加大對(duì)圖像生成技術(shù)的研究力度，通過(guò)不斷開發(fā)人工智能技術(shù)的方式，確保圖像識(shí)別和生成技術(shù)能夠得到有效完善，可以通過(guò)不斷創(chuàng)新和調(diào)整獲得最優(yōu)化應(yīng)用模式，以便為相關(guān)工作開展奠定良好基礎(chǔ)。

參考文獻(xiàn)

[1]田楠楠.接受美學(xué)視域下的標(biāo)志圖像智能設(shè)計(jì)研究與應(yīng)用[D].無(wú)錫：江南大學(xué)，2022.

[2]謝慶，張煊宇，王春鑫，等.新一代人工智能技術(shù)在輸變電設(shè)備狀態(tài)評(píng)估中的應(yīng)用現(xiàn)狀及展望[J].高壓電器，2022，58（11）：1-16.

[3]吳非，徐斯旸.人工智能技術(shù)應(yīng)用與上市企業(yè)市場(chǎng)價(jià)值[J].現(xiàn)代經(jīng)濟(jì)探討，2022（11）：77-92.

[4]馬俊.基于深度學(xué)習(xí)的辦公椅部件智能識(shí)別與生成研究[D].杭州：浙江理工大學(xué)，2022.

[5]李越茂，姚楓，宋佩珂.人工智能技術(shù)在電力行業(yè)的應(yīng)用現(xiàn)狀和發(fā)展趨勢(shì)初探[J].電力勘測(cè)設(shè)計(jì)，2022（2）：59-64.

[6]唐文虎，牛哲文，趙柏寧，等.數(shù)據(jù)驅(qū)動(dòng)的人工智能技術(shù)在電力設(shè)備狀態(tài)分析中的研究與應(yīng)用[J].高電壓技術(shù)，2020，46（9）：2985-2999.