淺談深度學習在圖像識別領域的應用現(xiàn)狀與優(yōu)勢

羅曦

摘 ?要：互聯(lián)網(wǎng)的發(fā)展給現(xiàn)代的人們帶來了極大的方便，現(xiàn)代的人們獲取自己所需的信息的速度越來越快，隨著互聯(lián)網(wǎng)的快速發(fā)展，圖片成為主要的信息載體，但由于我們無法對圖片中的內(nèi)容檢索就大大降低了找到關鍵內(nèi)容的效率。在解決這一問題的過程中計算機的圖像識別技術就格外的重要。圖像識別技術是依據(jù)人類本身對圖像的判斷能力進而產(chǎn)生的，而深度學習也在互聯(lián)網(wǎng)領域影響極其重大。

關鍵詞：圖像識別技術 ?深度學習 ?互聯(lián)網(wǎng)

中圖分類號：TP391.4 ? 文獻標識碼：A 文章編號：1672-3791（2020）01（c）-0021-02

淺層機器學習模型是深度學習的前提條件，在此基礎上，進而發(fā)展成更為深層次的機器學習模式。到目前為止深度學習在計算機的發(fā)展領域有著重要的影響，此項技術可以使得巡檢領域的計算機對成千上萬張圖像進行識別時可以使誤差率控制在很小的范圍內(nèi)，此項技術擁有很高的社會價值。

1 ?圖像識別技術的定義

隨著現(xiàn)代科技的發(fā)展，圖像識別技術越來越受歡迎和重視，簡單來說，圖像識別技術是利用計算機對圖片進行掃描、處理、分析后得出結論，根據(jù)得出來的結論即可判斷不同屬性的目標。在一定程度上，圖像識別技術是通過模仿人類對圖像的辨識的功能，利用計算機自身具有的功能對圖像進行理解與分析，同時計算機能對人類肉眼難以觀察到的圖像信息進行處理，從而在很大程度上解放了人類的勞動力，具有很高的社會價值。圖像識別技術在人工智能領域中不可或缺的一部分，能夠針對圖像的任何一部位的特征進行準確的分析，并且要準確地表明圖像在識別時產(chǎn)生的眼動。人類進行圖像識別時進入大腦的信息要與記憶中存儲的信息進行比較，進而實現(xiàn)對圖片的再認過程。同樣的，圖像識別技術與人類對圖像的識別的原理相似，同樣是根據(jù)計算機對圖像識別的結果在自身的數(shù)據(jù)庫中尋找與圖像結果相似的數(shù)據(jù)原型，進而對圖像做進一步的識別。

2 ?深度學習在圖像識別中的應用

深度學習法是在神經(jīng)網(wǎng)絡范疇的基礎上形成的，神經(jīng)網(wǎng)絡出現(xiàn)與應用的時間較長，在很早之前就出現(xiàn)了通過模擬人類大腦的感應來完善機器設備的學習問題，但在日后的研究中由于各種各樣的問題影響，使得研究不得不轉向分類器等方面，主要是通過神經(jīng)網(wǎng)絡的模擬完成對分類器的研究，進而實現(xiàn)大腦的模擬，在這個過程中由于神經(jīng)網(wǎng)絡中出現(xiàn)的隱含層的數(shù)量較少進而也將深度學習法稱為淺層機器學習模型。深度學習在計算機的領域中影響很大，主要應用于巡檢業(yè)務，深度學習使得巡檢業(yè)務領域計算機系統(tǒng)對圖像信息處理的誤差率控制在很小的范圍內(nèi)，具有非常高的社會價值。同時，與傳統(tǒng)的巡檢業(yè)務領域的計算機系統(tǒng)相比，深度學習具有從數(shù)據(jù)庫中自動學習的能力，摒棄了傳統(tǒng)的人工手動設置的學習特征進而極大地提高了效率。深度學習的圖像識別技術能夠在很大程度上滿足數(shù)據(jù)規(guī)模高達上億的互聯(lián)網(wǎng)企業(yè)的需要，基于深度學習的圖像識別技術具有重大的意義。深度學習處理數(shù)據(jù)的種類眾多，所以不僅能應用在巡檢上，還可以應用于圖像檢索、安防等方面。

3 ?圖像識別技術在巡檢業(yè)務領域的應用

巡檢業(yè)務的重要性不言而喻，隨著基于深度學習的圖像識別技術不斷地提高，巡檢業(yè)務領域的效率也越來越高，可以說圖像識別技術的不斷提高進一步促進了巡檢業(yè)務領域的發(fā)展?，F(xiàn)階段，比較大眾化的巡檢業(yè)務領域還是非常依賴圖像識別技術的。研究發(fā)現(xiàn)，在深度學習與圖像識別技術結合之前就出現(xiàn)了較為完善的圖像識別技術應用到巡檢業(yè)務領域中的情況，比如，利用圖像可以對一些不規(guī)范的行為進行監(jiān)控，也可以幫助巡檢對象進行簡單的故障診斷。在實際的應用過程中，圖像識別技術主要是對通過監(jiān)控獲取到的圖像信息進行比對，從而能夠確定工作人員的工作行為是否符合規(guī)范。當監(jiān)控圖像信息中出現(xiàn)一些不規(guī)范的行為時，通過圖像識別技術能夠更加及時地發(fā)現(xiàn)與保證安全。

而基于深度學習的圖像識別技術的出現(xiàn)讓巡檢作業(yè)更加高效，不僅能夠對作業(yè)行為進行自動監(jiān)控，對故障進行及時的識別，同時還有一些新的功能出現(xiàn)，能夠進一步幫助巡檢工作的進行。比如人臉識別技術，人臉識別技術的出現(xiàn)就是基于深度學習的圖像識別技術進行的，很多高校進出校門需要刷校園卡，但是人臉識別技術的出現(xiàn)就能夠解決這一問題，只要學生自動行走就能夠迅速地進行人臉識別，然后與數(shù)據(jù)庫中的信息進行比對，從而能夠確定該同學是否為該校學生，如果是則可以自動開啟擋板讓其通過，反之不能通過。這種先進的人臉識別技術現(xiàn)在也應用到了支付寶中，眾所周知，支付寶的刷臉系統(tǒng)現(xiàn)在已經(jīng)推出，進一步提高了支付效率，人們不需要再輸入密碼或者指紋，只要刷臉即可，在未來刷臉技術還會在很多領域中應用。在安全巡檢中，人臉識別技術也是發(fā)揮了重要的作用，能夠防止不法人員的進入，能夠為系統(tǒng)的安全起到重要的作用，但是很多人臉技術的穩(wěn)定性不夠高，這可是因為其深度學習模塊不夠先進。人們的臉部表情以及膚色等會隨時改變，因此如何進行精準的人臉識別是深度學習所需要完成的。基于深度學習的圖像識別技術是有著非常大的優(yōu)勢的，能夠保證識別準確率高達99%，但是即便如此其也有著一定的缺陷，還有很多問題無法解決，比如人臉的復雜度過高，在實際應用的過程中準確率只能夠達到70%左右，同時還需要安裝一些比較可靠的設備，可以說基于深度學習的圖像識別技術依然有著很大的進步空間。

4 ?深度學習圖像識別技術的其他應用

4.1 識別運動目標

深度學習圖像識別技術經(jīng)過不斷的發(fā)展也能夠應用于識別運動目標，以往的技術只能夠對靜止的事物進行識別，比如對靜態(tài)的車牌，但是在經(jīng)過不斷的提高之后，這種技術能夠對移動的車牌進行識別，在一些特殊情況下，對于一些違章車輛需要快速識別，這就需要應用深度學習圖像識別技術，以現(xiàn)有的技術而言，已經(jīng)能夠實現(xiàn)這種技術在實際生活中應用，能夠迅速地對模糊的圖像信息進行對比，最終確定目標。

4.2 統(tǒng)計流量

以往對于流量的統(tǒng)計是非常困難的，以車流量來說，因為在一些特殊的時段和地段車流量較多，因此要想統(tǒng)計流量就比較的困難，但是在深度學習圖像識別技術的幫助下，就能夠輕松、高效地對車流量進行統(tǒng)計，從而能夠形成相應的數(shù)據(jù)傳輸給相應的部門，能夠幫助該部門對未來的交通情況進行及時的規(guī)劃。

4.3 檢測密度

現(xiàn)代化城市的交通已經(jīng)成為了非常嚴重的問題，很多路段會出現(xiàn)堵車的情況，嚴重地阻礙了社會的發(fā)展，傳統(tǒng)的方法只能夠通過交通警察進行疏導，但是這種方式對于人力資源要求較高，增加了交通警察的工作負擔，因此需要利用深度學習圖像識別技術，對于堵車的密度進行檢測，這樣就能夠制定相應的計劃，從而可以避免一些不必要的工作負擔。

4.4 檢測行為

檢測行為主要是對人們的行為進行檢測，在應用深度學習圖像識別技術之后，能夠及時地對圖像信息進行對比，及時地發(fā)展不規(guī)范行為，比如一些偷盜行為就能夠及時地發(fā)現(xiàn)，從而快速地發(fā)出警報，及時地采取措施，這樣就能夠保證人們的財產(chǎn)損失降到最低。

5 ?結語

總而言之，基于深度學習的圖像識別技術為人們帶了便利，可以在很多領域中應用并發(fā)揮作用，但是這種技術依然存在一定的缺陷，應該進一步提高精準度，這樣才能夠更好地將這種技術應用到人們的工作和生活中。

參考文獻

[1] 陳銀萍.基于人工智能中的圖像識別技術的分析[J].信息與電腦：理論版，2019（1）：165-166.

[2] 張嘉豐.關于人工智能中圖像識別技術的研究[J].電子技術與軟件工程，2018（23）：250-251.

[3] 張宇.淺析圖像識別技術在人工智能中的應用[J].科技經(jīng)濟導刊，2019，27（15）：37.