Page 125 - 基于深度学习的人工智能技术研究

第四章 深度学习下的人工智能技术

深度学习，构建多维算法模型，加入人工神经网络内容的同时进行深度训练成为
当前多元化人工智能时代的发展需要，并深受业内关注。深度学习与人工智能的
融合已经逐渐成为相关领域的创新与研究热点。
人工智能时代的不断发展能够为 AI 的发展形成强有力的经验数据支撑，利

用深度学习的方式提升 AI 技术智能化的决策，最终逐渐接近人工决策能力的目
标。但是基于目前海量大数据，AI 无法进行全部数据样本的处理与分析，长期
超负荷的运作将会严重影响 AI 的运作性能。而识别技术的发展能够对该类问题
提供良好的解决方案。识别技术能够通过对大量数据样本的分类提取，依据关键

信息进行分类，然后根据不同的类别分别进行处理，能够对提升 AI 专业处理性
能与效率产生深远影响。
从社会经济运行角度而言，人工智能时代的发展已经逐步深入人类日常生活、
工作，对社会的运行产生重要影响。人工智能技术通过不断在科学研究或各行各

业应用的深入，正逐渐改变以往的工作方式。人工智能创新技术的运用逐渐对商
业环境、社会运转形态等产生重要影响，通过不断地提高工作效率，将更多的智
能化应用如医疗机器人、工业机器人等融入各行各业的实际发展，解决行业痛点
问题的同时推进各环节的精细化管理，加快国家产业结构转型升级，推进更高附

加值的产业发展。
图像处理是当前人们生产生活中经常面临的问题，主要是把各种来源的图像
通过相应的方式对其进行关键信息提取后分类处理。其主要的工作有对图像进行
一定标准的分类、压缩、提质、关键信息获取等。图像处理技术的发展对安防、

安检、交通等多个行业都会产生重要影响。深度学习技术是基于人工神经网络理
论发展起来的，即通过模仿人类学习方式与能力对机器进行一定的训练之后，让
其具有与人脑相似的数据处理能力。例如在交通领域中，通过深度学习的人工智
能图像识别技术，研究无人驾驶技术的运用。无人驾驶技术也是当前人工智能时

代基于深度学习技术的具体应用热点，也是一项极具综合信息技术的交通运行方
式。无人驾驶技术包含以下内容：监控设备、雷达设备和测距设备等硬件的构建，
通过对交通环境的检索，对周围的交通状况、行人车辆、交通岗等关键信息进行
收集，然后回传至集中处理应用系统中开展集中性的分类提取与处理。该部分作

为整个系统的核心，通过对各种关键信息进行分析与判断，结合综合的道路情况
对行驶车辆发出指令。然后指令接收系统根据处理系统发出的关键指令信息执行

117