Page 53 - 基于深度学习的人工智能技术研究

第二章 人工智能核心技术

目前的计算机视觉发展重点已经从基础能力的构建逐渐过渡到细分垂直领域
的探索了，虽然近年来有像 Google 提出的 Transformer 模型逐渐进入到视觉领域，
但是就目前看来，其本身的提升效果和幅度依然不够明显，泛化效果不如卷积神
经网络，性价比在工业界还达不到让大家为此去重新设计底层部署逻辑与推理加

速框架的地步。此外，计算机视觉本身的能力越来越成为一个基础的模块被集成
在某个领域的大系统当中去发挥具体的作用，由于理论和工程能力的不断成熟，
其应用门槛也在不断降低，正逐渐成为一个普惠的技术存在。
正因为如此，当下研究的方向如果单纯从提高模型的准确率和召回率的角度
出发，实际的应用价值比较低，也难以很快大范围地推广。更多时候带来最终表
现提升的往往是大量优质的数据和处理数据的方式方法。作为一门偏技术性的学

科，拥有一些工程和实践思维在目前来说更为重要，从降低使用成本，提升训练
和推理的效率，提高泛化能力，降低应用门槛和操作难度等这些角度去定义问题
将更有实际意义。接下来的应用研究方向，将是朝着更便捷的部署、更快的响应
速度、更广阔的适用范围、更灵活的自定义配置去落地实施。

第二节 生物识别技术

一、指纹识别技术发展及应用

指纹识别技术是众多生物特征识别技术中的一种，是一项集计算机、网络、
光电技术、图像处理、智能卡、数据库技术于一体的综合技术，利用人体所固有
的生理特征或行为特征来进行个人身份鉴定。指纹是与生俱来、在手掌面这一特
定部位出现的遗传学表型特征，在正常情况下，指纹具有独一无二、各不相同、
终身基本不变、触物留痕、排列规整等特点，指纹中有许多特征点，特征点提供

了指纹唯一的确认信息。指纹识别技术应用过程通过指纹采集、指纹预处理、指
纹检查和指纹模板采集进行指纹记录，并通过指纹采集、预处理、特征比对和匹
配进行指纹比对。相对而言，指纹识别技术是目前最成熟的一种生物识别技术，
在过去主要应用于刑侦系统，但随着计算机技术日新月异，图像处理技术、模式

识别技术的迅猛发展，以及高效价廉的数字信号处理芯片出现，指纹识别技术进
入现代化发展阶段，理论研究、指纹采集、指纹显现、比对鉴定技术等各方面都
取得了较大的进步，近几年已逐渐地走向了民用市场，在出入境检查、智能手机

45