图像识别技术的现状和未来-国土报中文版

本篇文章3651字，读完约9分钟

然而，随着图片成为互联网上的主要信息载体，问题就出现了。当信息来自书面记录时，我们可以很容易地找到需要的内容，并通过关键字搜索对其进行任意编辑，但是当信息由图片记录时，我们无法检索图片中的内容，这影响了从图片中查找关键内容的效率。图片给我们带来了记录和分享信息的快捷方式，但是它们降低了我们的信息检索效率。在这种环境下，计算机图像识别技术尤为重要。

图像识别技术的现状和未来

图像识别是计算机处理、分析和理解图像以识别不同模式的目标和物体的技术。识别过程包括图像预处理、图像分割、特征提取和判断匹配。简而言之，图像识别就是计算机如何像人类一样阅读图片内容。借助图像识别技术，我们不仅可以通过图像搜索更快地获取信息，还可以创造一种新的与外界互动的方式，甚至使外界运行得更加智能。百度李彦宏在2011年提到“一个全新的读图时代已经到来。”现在，随着图形识别技术的不断进步，越来越多的技术公司开始涉足图形识别领域，这标志着读图时代的正式到来，并将引领我们进入一个更加智能化的未来。

图像识别技术的现状和未来

图像识别的初级阶段——娱乐和工具

在这个阶段，用户主要使用图像识别技术来满足一些娱乐需求。例如，百度神奇地图的“大咖啡匹配”功能可以帮助用户找到最符合自己外貌的明星，而百度的图片搜索可以找到相似的图片；脸谱网已经发展了深脸；用于基于照片的人脸匹配；被雅虎收购的图像识别公司iq engine开发的Glow可以通过图像识别自动生成照片标签，帮助用户管理手机上的照片；视觉黑客游戏工作室(Visionhacker Game Studio)是由专注于图像识别的国内初创公司Vision Technology成立的，旨在借助图形识别技术开发移动体感游戏。

图像识别技术的现状和未来

在这一阶段，还有一个非常重要的细分领域——光学字符识别(OCR)，它是指光学设备检查印在纸上的字符，通过检测明暗图案来确定它们的形状，然后通过字符识别将形状转换成计算机字符，即计算机读取字符的过程。语言和写作是我们获取信息最基本和最重要的方式。在比特世界里，借助互联网和计算机，我们可以很容易地获取和处理单词。然而，一旦文本以图片的形式表达出来，就会给我们获取和处理文本增加很多麻烦。一方面，它表明数字世界中的字符是由于特定的原因而以图片格式存储的；另一方面，它是我们在现实生活中看到的所有物理形式的词汇。因此，我们需要ocr技术来提取这些单词和信息。在这方面，国内产品包括百度书法笔记和百度翻译；借助dist credit训练的大型分布式神经网络，谷歌对谷歌街景图库中数千万个门牌号码的识别率达到90%以上，每天可以识别数百万个门牌号码。

图像识别技术的现状和未来

现阶段，图像识别技术只是作为我们的辅助工具而存在，它为我们自身的视觉提供了强大的辅助和增强，为我们带来了一种全新的与外界互动的方式。我们可以通过搜索找到图片中的关键信息；你可以给一个奇怪的物体拍一张照片，并快速找到与它相关的各种信息；你可以给潜在的聊天对象拍一张照片，提前去她的社交网络了解一下；人脸识别也可以作为主要的身份验证方法……虽然这些应用似乎很普遍，但是当图像识别技术渗透到我们行为习惯的各个方面时，我们就相当于将我们的部分视觉外包给机器，就像我们将我们的部分记忆外包给搜索引擎一样。

图像识别技术的现状和未来

这将极大地改善我们与外界互动的方式。以前，利用科技工具探索外部世界的过程如下:人眼捕捉目标信息，大脑分析信息，将其转换成机器能够理解的关键词，并与机器交互以获得结果。当图像识别技术赋予机器“眼睛”时，这个过程可以简化为:人眼借助机器捕捉目标信息，机器和互联网直接分析信息并返回结果。图像识别使照相机成为破译信息的关键。我们只需要把相机对准一个未知物体就能得到预期的答案。正如百度科学家余凯所说，摄像头已经成为连接人与世界的重要入口之一。

图像识别技术的现状和未来

图像识别的高级阶段——机器视觉

如上所述，当前的图像识别技术被用作帮助我们与外界互动的工具，它只为我们自己的视觉提供了一个辅助功能，所有的动作都需要我们自己来完成。当机器真的有视觉时，它们完全有可能代替我们完成这些动作。当前的图像识别应用程序就像一只盲人导盲犬，在盲人移动时给他们指路；未来，图像识别技术将与其他人工智能技术相结合，成为盲人的专职管家，盲人无需采取任何行动，而是在管家的帮助下。例如，如果图像识别是一种工具，就像我们开车时戴谷歌眼镜一样，它会分析外部信息并传输给我们，然后我们根据这些信息做出驾驶决策；如果图像识别用于机器视觉和人工智能，它就像谷歌的无人驾驶汽车。这台机器不仅能获取和分析外部信息，还能全面负责所有的驾驶活动，这样我们就可以彻底解放了。

图像识别技术的现状和未来

《人工智能:一种现代方法》中提到，在人工智能中，感知通过解释传感器的反应向机器提供其世界的信息，其中机器和人类共享的感知形式包括视觉、听觉和触觉，而视觉是最重要的，因为视觉是所有行为的基础。在一个论坛上，百度idl的余凯院长问大家，你认为什么样的感觉最重要？没有人能很快回答。后来，迪安·余凯改变了提问的方式。如果你想放弃一种感觉，你最不想放弃的是哪一种？此时，每个人的答案都是愿景。克里斯·弗里斯在《心灵的建构》中提到，我们对世界的感知不是直接的，而是依赖于“无意识推理”，也就是说，在我们能够感知一个物体之前，大脑必须根据到达感官的信息来推断该物体可能是什么，这构成了人类预测和处理意外时间的最重要能力。视觉是这一过程中最及时、最准确的信息获取渠道，而人类80%的感官信息是视觉信息。机器视觉对人工智能的意义就是视觉对人类的意义，图像识别技术决定了机器视觉。

图像识别技术的现状和未来

更重要的是，在一些应用场景中，机器视觉比人类生理视觉更加准确、客观和稳定。人类的视觉有天然的局限性。似乎我们可以立即毫不费力地感知世界，似乎我们可以生动而详细地感知整个视觉场景。然而，这只是一种幻觉。只有视觉场景的中间部分投射到眼球的中心，我们才能清楚地看到细节和生动的颜色。距离中间大约10度，神经细胞更加分散，能够智能地检测光线和阴影。也就是说，在我们视觉世界的边缘，它是无色模糊的。因此，我们会有“变化盲”，当它发生时，我们会经历各种各样的事情，只注意其中的一件，而忽略其他事情的发生，不知道它们的发生。机器在这方面更有优势。他们可以找到并记录视野内发生的一切。对于使用最广泛的视频监控，传统的监控要求有人在电视墙前保持高度警惕，然后通过自己对视频的判断得出结论，但这往往会由于人的疲劳、视觉限制和注意力分散而影响监控效果。然而，在成熟的图像识别技术和人工智能的支持下，计算机可以自行分析和判断视频，并直接报告异常情况，这带来了更高的效率和准确性；在反恐领域，借助机器的人脸识别技术远远优于人们的主观判断。

图像识别技术的现状和未来

许多技术巨头也开始在图像识别和人工智能领域展开部署。由facebook签名的人工智能专家yann lecun最重要的成就是，在图像识别领域，以lenet为代表的卷积神经网络被应用到各种不同的图像识别任务中，取得了良好的效果，被认为是通用图像识别系统的代表之一；谷歌已经掌握了猫的主要特征，它借助于模拟神经网络“dist credit”学习了数百万个youtube视频，这意味着机器已经在没有帮助的情况下理解了猫的概念。值得一提的是，负责该项目的安德鲁·吴(andrew ng)已经转向百度领导百度研究院，其重要研究方向之一是人工智能和图像识别。这也表明了国内科技公司对图像识别技术和人工智能技术的重视。

图像识别技术的现状和未来