圖像識別技術在工業(yè)設計信息交互中的應用

周巍

關鍵詞：圖像識別技術;工業(yè)設計;信息交互;應用

1 相關理論簡述

1.1 信息交互的概念

信息交互主要是指人類與人類之間、人類與物體之間通過各種各樣的手段來完成不同信息的傳遞，進而實現(xiàn)交互的目的。具體而言便是自然以及社會之中各類資料、數(shù)據(jù)、情報以及技術知識能夠通過某種載體來完成及時的傳遞和交流，而信息交互屬于一種文字信息載體[1]。當代社會科學技術水平有了長足的進步，各類數(shù)字產(chǎn)品應運而生，不同于實際產(chǎn)品對于外觀樣式的高度重視，數(shù)字產(chǎn)品主要是對用戶的目的及行為較為關注，并基于此來實現(xiàn)信息交互，進而使用戶能夠收獲上佳的體驗。隨著時代的不斷變遷，信息交互已經(jīng)由傳統(tǒng)的工具以及武器演變成了有著復雜工藝的各類先進設備，最為常見的便是通過互聯(lián)網(wǎng)所提供的便利來實現(xiàn)信息交互。

1.2 圖像識別技術的概念

圖像識別技術主要是指通過計算機來處理、分析以及理解圖形，進而在不同模式之下完成既定目標的一種技術。是基于深度學習算法的實踐應用。圖像識別技術主要包含了人臉識別以及商品識別兩種技術。其中人臉識別主要被應用于身份驗證、安全檢查以及移動支付領域;商品識別則是被應用于對各類商品進行流通之時，尤其是智能零售柜以及無人收貨等領域。在進行圖像識別時，主要有以下幾個流程：采集圖像、預處理圖像、提取圖像特點、實現(xiàn)圖像識別。當前市場中應用較為廣泛的圖像識別軟件主要有國外的有康耐視以及國內的海深科技、圖智能等。

2 圖像識別技術在工業(yè)設計信息交互中的應用意義

設計可以彌補科技和人之間的缺口，設計是能夠將情感（新奇感、獨立感、安全感、感性、信心、力量感）、人機工程（易用性、安全性、舒適性）、美學（視覺、聽覺、嗅覺、觸覺）結合起來的因素[2]?！凹夹g”指的是采用先進的技術或加工質量很高的傳統(tǒng)性技術，為產(chǎn)品賦予足夠的功能，使產(chǎn)品持續(xù)正常工作，并保持良好的技術能力。在進行工業(yè)設計時，相關人員會根據(jù)自身的經(jīng)驗以及視覺感受來讓產(chǎn)品在材料、形態(tài)、結構、裝飾、色彩以及表面加工等方面有著全新的品質，并且通過各類宣傳、展示以及包裝等手段來對產(chǎn)品的視覺效果進行評價。就本質而言，工業(yè)設計并不是最終的目的，而是為了實現(xiàn)人類其它目的而使用信息交互的一種手段。圖像識別在機器視覺工業(yè)領域中最典型的應用就是二維碼的識別，二維碼就是我們平時常見的條形碼中最為普遍的一種。將大量的數(shù)據(jù)信息存儲在這小小的二維碼中，通過條碼對產(chǎn)品進行跟蹤管理，可以方便的對各種材質表面的條碼進行識別讀取，大大提高了現(xiàn)代化生產(chǎn)的效率。由此能夠看出，圖像識別技術應用于工業(yè)設計信息交互之中，能夠有效提升信息交互質量及效率，保證工業(yè)設計所獲取的信息更為準確，為后續(xù)工業(yè)設計產(chǎn)品的誕生奠定堅實的基礎[3]。

3 圖像識別技術在工業(yè)設計信息交互中的應用思路

當前工業(yè)設計已經(jīng)融入了人們日常生活中的不同領域，有著較為廣泛的應用范圍。例如，設計普通工業(yè)用品、設計交通運輸工具、設計商業(yè)廣告形式、設計各類建筑等。工業(yè)設計將工業(yè)自身與各類技術以及設計進行了高度的融合，讓民眾的生活水平有了較大幅度的提升，并且勞動生產(chǎn)率也有了長足的進步，人們的文化視野也有所豐富。但其中依然存在著一定的問題，例如部分工業(yè)產(chǎn)品的設計與制造效率較低，產(chǎn)品的合格率不符合相關標準，產(chǎn)品品相不滿足人們的基本需求等。而通過圖像識別技術的應用，則能夠有效解決這類問題，相關人員在進行工業(yè)設計時能夠將自身的想法體現(xiàn)在產(chǎn)品之中，從而帶給用戶更具個性化的產(chǎn)品體驗。具體而言，圖像識別技術在工業(yè)設計信息交互中的應用主要有以下幾個方面：

3.1 圖像識別技術應用于工業(yè)產(chǎn)品的外觀設計

圖像識別技術最為重要的作用便是更為便捷地完成人類與產(chǎn)品之間的交互，而將其應用于外觀設計之中，有效提升交互的效率及效果。最為典型的便是2017 年所發(fā)布的iPhone X 手機，其將圖像識別技術作為了其中的核心技術，手機的外觀屏幕采用了異型曲面屏，并且在屏幕中存在著一定的開孔，這樣一來就能夠嚴格遵循相應的交互邏輯，進而實現(xiàn)人臉支付等一系列的功能。在該手機中的圖像識別技術主要流程是對人臉進行識別、對面部的特征進行提取、對信息進行對比分析進而得出結論[4]。手機的人臉識別技術不同于普通手機，其開孔部位存在著紅外攝像頭、深感攝像頭以及泛光感應元件，還有前置攝像頭與點陣投影器。依次經(jīng)過紅外拍臉，結構光與點陣投影器獲取3D 精確模型，轉化為數(shù)學表達式，存入手機的安全區(qū)域。通過這樣的方式能夠讓產(chǎn)品的安全性得以提升，并且讓圖像識別技術和工業(yè)設計進行了更為深入的融合，這樣一來工業(yè)設計方案能夠更為便捷地實現(xiàn)，工業(yè)設計人員也能夠找到全新的延展方向。

3.2 圖像識別技術應用于工業(yè)產(chǎn)品的傳播與推廣

工業(yè)設計的目的是通過信息交互來全面了解用戶的實際需求，進而不斷地對現(xiàn)有的產(chǎn)品進行完善。而要想有效提升信息交互質量，就必須做好工業(yè)產(chǎn)品的傳播與推廣。通過圖像識別技術的應用，讓相關人員對用戶的實際情況以及周圍的使用環(huán)境有一個全方位的了解，進而在產(chǎn)品形式設計以及內容設計方面進行創(chuàng)新，以此來不斷提升工業(yè)產(chǎn)品在市場中的占有率。較為典型的例子便是二維碼系統(tǒng)[5]，在掃描大部分工業(yè)產(chǎn)品所附帶的二維碼之后，系統(tǒng)經(jīng)過用戶同意便可獲取用戶所在的地址及偏好等特征，進而通過統(tǒng)計分析得出平均結果，從而為設計人員后續(xù)的設計方向提供理論上的參考。

3.3 圖像識別技術應用于工業(yè)設計的圖像分類

3.3.1 對圖像進行細粒度分類

這是在分類的基礎上進行的基本分類，還有更為詳細的子分類，如鳥類種類、汽車樣式、犬類品種等。目前，在行業(yè)和現(xiàn)實生活中有著廣泛的業(yè)務需求和應用場景。與粗粒度圖像相比，細粒度圖像具有更為相似的外觀和特征，并且在采集過程中存在姿態(tài)、透視、光照、遮擋和背景干擾等問題，導致類間差異大、類內差異小的現(xiàn)象，使得分類更加困難。

3.3.2 多標簽圖像分類

在現(xiàn)實生活中，圖像往往包含多個類別的對象。多標簽圖像分類可以同時判斷圖像中是否包含這些內容，從而更好地解決現(xiàn)實生活中的問題。單標簽圖像分類是指每幅圖像對應一個類別標簽。根據(jù)目標分類的個數(shù)，單標簽圖像分類可分為兩類和多類。多標簽圖像分類主要采用圖像識別技術中的多標簽決策樹算法。該算法利用決策樹技術處理多標簽數(shù)據(jù)，基于多標簽熵的信息增益準則遞歸構造決策樹。樹結構包括非葉節(jié)點、分支和葉節(jié)點。采用決策樹模型進行分類時，特征屬性由非葉節(jié)點表示，特征屬性在一定范圍內的輸出由非葉節(jié)點之間的分支表示，類別由葉節(jié)點存儲。其計算思想是：首先計算每個特征的信息增益，選擇增益最大的特征將樣本分成左右兩個子集，進行遞歸直至滿足停止條件，構造決策樹。對于新的測試樣本，沿著根節(jié)點到葉節(jié)點遍歷一條路徑，并計算葉節(jié)點樣本子集中每個標簽為0 和1 的概率。如果概率超過0.5，則包括標簽。在遍歷到不同葉節(jié)點的所有路徑之后，可以確定所有標簽信息。

目前，圖像分類的任務在很大程度上依賴于監(jiān)督學習，即每個樣本都有相應的標簽。通過深層神經(jīng)網(wǎng)絡，我們可以不斷學習每個標簽對應的特征，最終實現(xiàn)分類。在這種情況下，數(shù)據(jù)集的容量和標簽的質量往往對模型的性能起著決定性的作用。

3.3.3 無監(jiān)督圖像分類

如果將神經(jīng)網(wǎng)絡視為在軌道上運行的F1 賽車，則數(shù)據(jù)集是為其持續(xù)提供動力的能量。如果沒有高質量的數(shù)據(jù)集作為基礎，就無法驅動神經(jīng)網(wǎng)絡進行訓練。

高質量的數(shù)據(jù)集自然會給注釋帶來困難。據(jù)統(tǒng)計，在一幅圖像中標注一個對象類別大約需要2 到3 秒鐘。然而，在實際應用中，數(shù)據(jù)集往往包含數(shù)萬幅圖像，因此整個標注過程將變得異常漫長。特別是在細粒度分類和多標簽分類任務中，標簽代價隨著目標數(shù)目和識別難度的增加呈指數(shù)增長。

無監(jiān)督圖像分類主要采用PCA 和t-SNE 算法。PCA（PrincipalComponent Analysis）算法是機器學習領域中一種典型的旋轉數(shù)據(jù)集方法，其旋轉特征不具有統(tǒng)計相關性。通過數(shù)據(jù)集的旋轉，我們可以根據(jù)新特征的重要性構造子集來解釋數(shù)據(jù)，從而構造新的數(shù)據(jù)集表示。作為近年來廣泛應用的數(shù)據(jù)分析算法，t-SNE 的主要思想是尋找數(shù)據(jù)的二維表示，并盡可能保持數(shù)據(jù)點之間的距離，然后盡量使原始特征空間中較近的點更近，而原始特征空間中較遠的點更遠。它關注的是彼此距離較近的點，而不是較遠的點。原則上，上述兩種數(shù)據(jù)集轉換方法復雜度較高，且算法目標過于明確，使得抽象的低維數(shù)據(jù)中不存在二次信息，而這些二次信息可能是區(qū)分更高層次數(shù)據(jù)的主要因素。因此，這兩種算法大多用于網(wǎng)絡訓練前的數(shù)據(jù)預處理階段，為后續(xù)的操作提供相應的先驗知識。

4 結語

綜上所述，圖像識別技術已經(jīng)被應用到生活中的各個領域，對于工業(yè)設計而言能夠有效保障信息交互效果，讓設計人員認識到不斷變化的用戶需求，進而合理調整設計方案，這樣一來用戶的體驗也會更佳。