江苏龙网

  1. 主页 > 生活百科 > >

人工智能图像识别技术原理，图像识别的算法是什么( 二 )


5 。使用神经网络建立图像预测模型
准备好训练图像后，您将需要一个能够处理它们并使用它们来预测新的未知图像的系统 。该系统是一个人工神经网络 。神经网络图像识别算法可以对从文本到图像、音频文件和视频的几乎所有内容进行分类 。
神经网络是一组互连的节点，称为神经元或感知器 。每个神经元都复制一份输入数据，通常是图像的一个像素，然后应用一种称为激活函数的简单计算来生成结果 。每个神经元都有一个影响其结果的数字权重 。
结果将被馈送到其他神经层，直到该过程结束，此时神经网络为每个输入或像素生成预测 。多层感知器对大量图像重复这一过程，网络在一个称为反向传播的过程中为每个神经元学习最合适的权重，从而提供准确的预测 。在训练该模型之后，将其应用于没有参与训练的一组新图像(测试或验证集)以测试其准确性 。经过一些调整后，该模型可以用于对现实世界的图像进行分类 。
6 。传统神经网络在图像识别中的局限性
传统的神经网络使用全连接架构，如下图所示，其中一层中的每个神经元都与下一层中的所有神经元相连 。当全连接神经网络处理图像数据时，全连接架构是低效的:
对于一幅几百像素三通道的普通图像，传统的神经网络会产生上百万个参数，可能会导致过拟合 。
这个模型需要大量的计算 。
可能很难解释结果并调试和调整模型以提高其性能 。
7 。卷积神经网络及其在图像识别中的作用
与全连接神经网络不同，在卷积神经网络(CNN)中，一层中的神经元并不连接到下一层中的所有神经元 。另一方面，卷积神经网络使用三维结构，其中每组神经元分析图像的特定区域或“特征” 。CNN将根据邻近度过滤连接(只分析邻近像素的像素)，以便训练过程可以通过计算实现 。
在CNN中，每组神经元聚焦于图像的一部分 。比如一只猫的形象，一组神经元可能识别头部，另一组是身体，另一组是尾巴 。在分割的几个阶段中，神经网络图像识别算法将分析图像中较小的部分，例如，头部内部、猫的鼻子、胡须、耳朵等 。最终输出的是概率向量，预测图像中每个特征属于某个类别或范畴的可能性 。
8、卷积神经网络的有效性和局限性
CNN的架构使得利用行业基准数据集对图像中的物体和人脸进行95%准确率的预测成为可能，而人类能力的准确率为94% 。即便如此，卷积神经网络也有其局限性:需要很高的处理能力 。该模型通常在具有专用图形处理单元(GPU)的高成本机器上训练 。
当图像发生旋转或倾斜，或者图像具有所需对象的特征，但顺序或位置不正确时，可能会失败，例如，鼻子和嘴巴张开的人脸 。一种称为CAPSNet的新架构已经出现，以解决这一限制 。
9 。图像识别应用程序
图像识别的实现包括安防监控、人脸识别、视觉地理定位、手势识别、物体识别、医学图像分析、驾驶辅助以及网站或大型数据库中的图像标记和组织 。图像识别已经进入主流 。人脸、照片和视频帧识别已经在脸书、谷歌、Youtube和许多其他高端消费者应用程序中使用 。工具包和云服务已经出现，可以帮助较小的参与者将图像识别集成到他们的网站或应用程序中 。
10 。在各种行业中使用图像识别
1)电子商务行业-图像识别用于自动处理、分类和标记产品图像，实现强大的图像搜索 。例如，消费者可以搜索带有特定扶手的椅子，并获得相关结果 。
2)游戏行业-图像识别可用于在现实世界的图像上放置数字层 。增强现实为现有环境增加了细节 。Poké mon Go是一款依靠图像识别技术的流行游戏 。
3)汽车行业-自动驾驶汽车在美国处于测试阶段，在欧洲许多城市用于公共交通 。为了推广自动驾驶，教图像识别功能识别道路上的物体，包括移动的物体、车辆、人和道路，以及红绿灯和路标 。
4)制造-在制造周期的不同阶段采用图像识别 。它用于减少制造过程中的缺陷，例如，通过存储带有相关元数据的组件图像并自动识别缺陷 。
5)教育—图像识别可以帮助有学习障碍和残疾的学生 。例如，由计算机视觉驱动的应用程序提供图像到语音和文本到语音的功能，并可以为有阅读障碍或视觉障碍的学生朗读材料 。
计算机视觉和语音识别的应用实例
Gravitylink推出钛灵AIX作为人工智能硬件，集成了计算机视觉和智能语音交互两大核心功能 。Model Play是面向全球开发者的AI模型资源平台，内置多种AI模型 。结合钛灵AIX，基于Google开源的神经网络架构和算法，构建独立的迁移学习功能，无需编写代码，通过选择图片、定义模型和类别名称，即可完成AI模型训练 。


推荐阅读


上一篇：怎么用excel制作管理软件，excel制作仓库管理系统的作用

下一篇：电商运营工作流程，电商运营一天工作内容主要是做什么