2016-12-21 | 정혜진 기자

[图像识别技术走到哪一步] 以点、线、图形识别人脸…比肉眼更精准

本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。

去年12月,微软宣布其识别图像或视频中物体的技术已"超越人类水平(exceeds human-level performance)"。此前,微软研究院在每年举办的全球最大图像识别技术大赛"ILSVRC(Imagenet Large Scale Visual Recognition Challenge)2015"中夺冠。在该大赛中,微软研究院在图像分类等若干领域将错误率降至3%区间。若普通人的错误率约为5%左右,这已是重大进展。有人期待,随着错误率不断下降,无人自动驾驶汽车识别突然出现的行人、计算其动线与速度从而避免事故也将成为可能。

图像识别技术采用了人工智能(AI)深度学习方式之一的卷积神经网络(CNN·Convolutional Neural Networks)方式,从而达到目前的水平。图像识别技术与人眼的工作原理相似。人在物体反射的光穿过眼角膜与晶状体时发生折射,在视网膜上成像,这一信息沿神经元传递至大脑,从而判断物体。CNN模仿神经元结构,以逐层堆叠有关物体信息的网络的方式来判别图像。香港科技大学教授金圣勋在讲座中表示:"这是一个源自不把整幅图像作为单一输入、而是将输入分成小单元接收这一想法的模型。"若识别人脸,则先扫描线、点等最基本的形态,再识别椭圆形、多边形等稍复杂的形态。随后还会识别线与椭圆形等的组合,从而准确把握整张面部。

图中展示了应用人工神经网络之一的"AlexNet"模型,将图像分别分类为蜱虫(自左起)、集装箱运输船、踏板摩托车、豹等的结果。/谷歌TensorFlow画面截图 一位网友使用微软开发的图像识别技术推出的按面部推测年龄的服务"How-Old.net",测量了偶像的面部年龄。/NAVER集团博客画面截图 CNN在图像输入后,神经网络第一层会接收各颜色的像素值(密度)作为输入,各单元(节点)被训练为检测特定颜色、特定方向的线或点。例如检测图像中是否出现红色的垂直方向线条。确定一次读取图像的范围,以5×5形式查看图像,则可汇集这些颜色所形成的图案,从而特定出眼、鼻、眉毛等。细微的五官也以这种方式被识别,机器甚至凭一瞥所见的下颌轮廓就能判别对象,从而比人减少错误。

近期采用人工神经网络的谷歌相册,通过按关键词在谷歌搜索中呈现的数万张至数千张图像进行学习。由此在谷歌相册搜索框输入伦敦,就会出现与伦敦地标等相关的照片作为搜索结果。韩国初创企业Lunit以大量医疗数据训练能够精细识别图像的深度学习模型,开发出可提升以往仅凭人眼存在局限的医疗影像判读准确性与客观性的核心技术,并获得软银创投20亿韩元投资。

近期全球企业不仅在开发图像识别,还在开发通过视频识别其中内容的技术。微软研究院亚洲院长洪小文在近期记者座谈会上表示:"我们不仅把该技术应用于照片,也应用于视频,从而高效地实现视觉识别","目前谷歌、IBM等也在采取这样的路径。"

阅读韩文原文