Page 96 - 基于深度学习的人工智能技术研究
P. 96
Research on Artificial Intelligence Technology Based on Deep Learning
基于深度学习的人工智能技术研究
练样本来同时深度学习，所以深度学习是基于大数据自主学习过程，并非通过手
工设计来获取有关数据，而是通过组合层获得直观表达方式，实现机器替代人类
学习。这一系列操作的目的在于机器模拟人脑来完成学习的动态过程，相当于是
需要机器来模仿人类的学习行为以及活动，深度学习在大数据自主学习基础上可
以获得更好的基础保障，所以能有效提升图像识别的效用。
（三）联合深度学习
早些年，一些计算机视觉研究人员将深度学习模型视为黑盒子，这一观点并
不全面，因此相关研究人员就提出了联合深度学习的方法。第一，传统计算机视
觉系统与深度学习模型间存在一定的关联，所以在相关的研究运用中两者关联起
来可以构建出新的模型，而且这模型具有一定深度。第二，深度学习模型各个层
次以及视觉系统若干模块是可以一一对应的，如果现有模型和视觉系统间这种对
应关系消失了，那么有关研究人员也可以在此启发之下重新组建了新的模型。
（四）深度学习在图像识别中的应用
深度学习在各大行业或领域中运用越来越广，尤其是在图像识别中的运用较
多并推动着图像识别的发展。基于深度学习的图像识别方法在大规模图像分类中
降低了错误率，例如，在 2014 年谷歌提出的 GooleNet，错误识别率为 6.7%，微
软研究团队提出的 PReLU-Nets，错误率为 4.94%。深度学习中的卷积神经网络
模型对于手写数字以及人脸识别等具有明显的提升效果；在人脸识别、跌倒检测
等方面也提高了图像识别的准确率和识别速度。
1. 人脸识别
深度学习在图像识别中应用最多的就是人脸识别，而人脸识别最大的问题在
于如何把多个元素引发变化进行有效区别。引发图像识别变化因素非常多，如表
情、身份、光线等这些因素的变化，分布性质属于非线性的，而且这些变化有着
非常复杂的内在特点，因此很多时候借用传统模型无法区分。深度学习之所以会
被运用到人脸识别过程中，其目的就在于实行了多层非线性变化，所以通过这种
变化我们可以汲取新的特征，从而有效区分由不同元素所引发的变化。常用的人
脸识别数据库主要有 WebFace、CelebFaces、LFW 标准数据库等。
2. 遥感图像分类
遥感图像包含了非常多的数据信息，这些具有价值的数据被运用于各行业。
通常而言，遥感图像数据具有两个特点，第一，因为过大的图像数据造成信息的
88
