计算机视觉机器如何看懂世界分析.PDFVIP

计算机视觉：机器如何看懂世界？ 要构建一个人工智能系统，计算机视觉必不可少。 文/许春景 视觉智能即人工智能 机器理解其中的内容——里面有什么东西，它们之 间的关系如何，整个图像信号意味着什么，等等。 之所以拥有智力，与不停接收外界的信 在5到10年前，包括学术界研究者在内的绝大 人息刺激是息息相关的。想象一个刚出生 多数人都会认为，计算机视觉是人工智能的关联学 的婴儿，其所有的感觉器官都由于疾病 科，而不是包含关系，人工智能主要面向让机器掌 失灵了，没有办法看、听、闻或者触摸，在这种情 握学习、知识推理的能力，而计算机视觉则主要负 况下，即使大脑在生理上是正常的，也不可能发展 责视觉的感知，是一个更浅层、更前级的东西。 出什么智能来。 然而，随着研究的不断深入，特别是深度学习 视觉是人接收的所有信息刺激中非常重要的一 在计算机视觉领域的一些必威体育精装版进展，使得人们逐渐认 部分。由此推之，要构建一个人工智能系统，处理 识到，视觉不仅仅是感知层面的东西，大量与语义能 好视觉感知同样是必不可少的。 力相关的高级智能与视觉是密不可分、息息相关的。 这类视觉感知被称为计算机视觉（Computer 如果能够解决图像场景的理解问题，真正的智能也许 Vision ），简单定义一下就是，给定一幅或者多幅 就不再遥远。因此可以说，计算机视觉本身蕴含更深 图像（就像人类视网膜感光形成的图像信号），让 远的通用智能的问题，视觉智能即人工智能。 2016 . 10 28 人工智能 机器看世界难点何在？ 牌等等。这些文字有不同的字体，拍摄的角度有不 同的变化，或在不同光线条件下拍摄，仍然能够被 计算机一般通过摄像头来观察世界，看到 系统识别出来。 (Seeing)和感知到(Perceiving)对计算机来说，存在巨 大的不同。在图1中，一个字母a的图像，计算机读 深度学习亟需突破 取到的是一串数字。 如何让计算机通过这串数字，知道其代表的是 计算机视觉最为关键的部分是图像的特征表 字母a，这就是计算机视觉，也是人工智能需要解 达，其本质是找到一个数字串，来代表输入的图 决的问题。乍一看起来，这似乎很简单。但是再看 像。图像本身对应的数字串，就是一种特征表达， 看下面的图2。 只不过这种表达是像素级别的、非常低级的表达， 在图2 中，所有的图像都代表字母a，人作为智 在图像代表的概念不变的情况下，稍有风吹草动， 能生物，能够不费吹灰之力将这些字符读取出来。 对应的数字串则会发生巨大的变化。我们认为更高 而计算机看到的则是完全不同的数字串。如何从这 级的表达，意味着概念不变的情况下，图像变化并 些完全不同的数字串中让计算机产生a这个概念， 不会带来对应数字串的巨大改变。最高级的表达即 图2 比图1难度大了许多。但这还仅仅是简单的情 是语义概念本身。 况，自然图像中的字母a可能出现在路牌上、广告 在深度学习流行之前，大量的计算机视觉研究 中，与其他不相干的大量背景混杂在一起，光线产 主要集中在怎样通过经验结合数学的方法，来人工 生不同变化等等，计算机要从中找到并且理解字母 设计一种表达。例如在字符a 的识别中，通过观察 a就更难了。 可以发现