南京大学教授申富饶:图像识别的发展与挑战

12月13日,由中共肥东县委、肥东县人民政府、亿达中国控股有限公司主理,肥东县投资促进中央、合肥东部新城焦点区综合治理办公室、合肥东部新城建设投资有限公司、亿达合肥智慧科技城生长有限公司承办,中国高科技行业门户OFweek维科网协办的“2019中国(合肥 · 肥东)AIoT产业生长论坛”在肥东安徽水利温顺大酒店隆重开幕。

在本次大会中,南京大学人工智能学院教授、博士生导师申富裕给我们带来《机械学习应用于图像识别:生长与挑战》主题分享,详细先容和剖析了图像识别的实现原理、主要算法类型,以及面临的挑战等研究成果,让我们更清晰地领会人工智能的生长现状。

南京大学人工智能学院教授、博士生导师申富裕

图片泉源:OFweek维科网

机械学习的原理

在生涯当中,人类可以凭据自身的履历举行总结,归纳出一些纪律,当遇到新问题时,人类会行使这些纪律来举行展望,从而做出适当的反映。

而机械学习中的历史数据就相当于人类的履历,将这些历史数据通过训练获得机械学习模子,当机械要解决实际问题时可以凭据学习模子举行展望,从而获得关于未知数据的一些属性以做出适当的反映。在现实生涯中,机械学习有许多主要的应用,而图像识别是其中一个极其主要而又相当具有挑战性的课题。

图像识别的模式分类

图像识别是一个模式分类问题,它的目的是识别图像中的物体,划分到差别的种别,实现最小的分类误差。现实生涯中的图像大致可分为语义级图像、细粒度图像、实例级图像3种,申教授以为,各个种别属于差别的物种,往往具有较大的类间方差,而类内则具有较小的类内误差。例如识别普适物体的小型数据集CIFAR-10,包罗了6种动物与4种交通工具。

对于图像识别而言,人类可以轻易地判断出图像中的颜色、形状、部件等特征,作为识别目的的依据,然而图像在盘算机中被保存为数字花样。申教授剖析道:机械学习方法可行的前提条件是训练数据中包罗对展望义务有意义的特征,这些特征隐藏在看似毫无意义的数字之中,因此必须先举行特征的提取。

深度卷积网络的生长

在图像识别的研究历程当中,最主流的算法当属卷积神经网络。卷积神经网络(CNN)以卷积核为基本结构单元,通过局部毗邻、权值共享,模拟生物视觉系统的感受野机制,自动学习图像的特征示意。

LeNet5是早期的卷积神经网络模子,共有 7 层,具备了卷积层、池化层等深度卷积网络中的焦点结构;AlexNet对卷积神经网络的结构和训练算法举行了大量创新,奠基了深度学习在盘算机视觉领域的优势职位;ResNet通过引入残差毗邻,基本消除了增添深度带来的退化征象,能够通过单纯地增添网络深度,来提高网络性能;DenseNet将残差毗邻的头脑生长到极致,实现了资源的最大化行使和盘算量的压缩;Google提出的MobileNets是一个轻量级的深层神经网络,面向移动应用设计,大幅提升了盘算速率。

图像识别的三大挑战

在人眼看来,一张图片就是一幅彩色的图画,然则在机械看来,它就是一大串数字,在机械学习的种种应用中,图像识别是一个稀奇难题的义务,申教授以为主要面临以下三个挑战。

第一个挑战是嵌入式深度学习。深度卷积网络在图像识别算法中占有了统治职位,模子精度也在不停提升,然而响应地也带来了盘算复杂度的提升。现在有许多嵌入式应用需要使用图像识别手艺,但嵌入式平台往往受到芯片性能、内存容量等硬件资源的限制,无法运行当前主流的深度神经网络,或者无法知足速率要求。

第二个挑战是可解释性。申教授剖析道:图像识别程序像是一个黑盒子,只给出效果,而不能说明效果是若何发生的。我们能做的就是把数据丢给识别算法,期望它能够给出准确的谜底。然则当谜底发生错误时,我们无法得知错误发生的缘故原由,只能留意于调治参数之类的手段能让程序获得改善。现在,算法的可解释性问题正在逐渐获得重视。

第三个挑战是匹敌样本问题。深度学习中可解释性的缺失带来了另一个问题,在某些应用环境中,图像识别程序可能会受到恶意攻击,攻击者试图“诱骗”图像识别程序,使程序的展望失足。这就要求我们设计可靠的神经网络,能够具有防止恶意攻击的能力。

未来——不停生长与完善

总的来说,即便仍然面临着异常多的挑战,图像识别照样取得了很大的乐成。现在的神经网络都是由人来设计,在未来,或许会让程序自己举行设计,让机械举行增量学习、终身学习,到那时,机械在应用的历程当中会不停感知环境的转变,然后不停调整自己的行为以顺应环境需要。

总之,图像识别是人工智能的一个主要领域,随着手艺的不停生长,图像识别也会不停举行完善以顺应更多的需求。

关于OFweek维科网

中国高科技行业门户,现拥有行业会员1,000万余名,实时报道行业动态及大事件,提供行业会员周全的资讯、深入的手艺和治理资源,举行各种线下、线上行业流动,并为高科技行业企业提供品牌推广、会议展览、产业研究、产业园、人才猎头培训、招商引资、产业基金、电商等整体和专业的服务。

留下评论