散文網(wǎng) » 科技 »學習 » 人工智能之深度學習常見應用方向你都了解嗎？（文末福利）

人工智能之深度學習常見應用方向你都了解嗎？（文末福利）

2023-03-13 15:49 作者:咕泡程序員 0人讀過 | 我要投稿

本文導讀

從零帶你了解深度學習常見的7大應用方向，包括：數(shù)字識別、圖像識別、圖像分類、目標檢測、人臉識別、文本分類、聊天機器人。

1. 數(shù)字識別

數(shù)字識別是計算機從紙質(zhì)文檔、照片或其他來源接收、理解并識別可讀的數(shù)字的能力，目前比較受關注的是手寫數(shù)字識別。手寫數(shù)字識別是一個典型的圖像分類問題，已經(jīng)被廣泛應用于匯款單號識別、手寫郵政編碼識別等領域，大大縮短了業(yè)務處理時間，提升了工作效率和質(zhì)量。

2. 圖像識別

圖像識別，是指利用計算機對圖像進行處理、分析和理解，以識別各種不同模式的目標和對象的技術，是應用深度學習算法的一種實踐應用。 現(xiàn)階段圖像識別技術一般分為人臉識別與商品識別，人臉識別主要運用在安全檢查、身份核驗與移動支付中；商品識別主要運用在商品流通過程中，特別是無人貨架、智能零售柜等無人零售領域

圖像的傳統(tǒng)識別流程分為四個步驟：圖像采集→圖像預處理→特征提取→圖像識別。圖像識別軟件國外代表的有康耐視等，國內(nèi)代表的有圖智能、海深科技等。另外在地理學中指將遙感圖像進行分類的技術。

圖像分類，根據(jù)各自在圖像信息中所反映的不同特征，把不同類別的目標區(qū)分開來的圖像處理方法。它利用計算機對圖像進行定量分析，把圖像或圖像中的每個像元或區(qū)域劃歸為若干個類別中的某一種，以代替人的視覺判讀。

常用的分類方法：

基于色彩特征的索引技術：色彩是物體表面的一種視覺特性,每種物體都有其特有的色彩特征,譬如人們說到綠色往往是和樹木或草原相關,談到藍色往往是和大?；蛩{天相關,同一類物體往拍幾有著相似的色彩特征,因此我們可以根據(jù)色彩特征來區(qū)分物體.用色彩特特征進行圖像分類一可以追溯到Swain和Ballard提出的色彩直方圖的方法.由于色彩直方圖具有簡單且隨圖像的大小、旋轉(zhuǎn)變化不敏感等特點,得到了研究人員的廠泛關注,目前幾乎所有基于內(nèi)容分類的圖像數(shù)據(jù)庫系統(tǒng)都把色彩分類方法作為分類的一個重要手段,并提出了許多改進方法,歸納起主要可以分為兩類：全局色彩特征索引和局部色彩特征索引。
基于紋理的圖像分類技術：紋理特征也是圖像的重要特征之一,其本質(zhì)是刻畫象素的鄰域灰度空間分布規(guī)律由于它在模式識別和計算機視覺等領域已經(jīng)取得了豐富的研究成果,因此可以借用到圖像分類中。
基于形狀的圖像分類技術：形狀是圖像的重要可視化內(nèi)容之一在二維圖像空間中,形狀通常被認為是一條封閉的輪廓曲線所包圍的區(qū)域,所以對形狀的描述涉及到對輪廓邊界的描述以及對這個邊界所包圍區(qū)域的描述.目前的基于形狀分類方法大多圍繞著從形狀的輪廓特征和形狀的區(qū)域特征建立圖像索引。關于對形狀輪廓特征的描述主要有:直線段描述、樣條擬合曲線、傅立葉描述子以及高斯參數(shù)曲線等等。
基于空間關系的圖像分類技術：在圖像信息系統(tǒng)中,依據(jù)圖像中對象及對象間的空間位置關系來區(qū)別圖像庫中的不同圖像是一個非常重要的方法。因此,如何存貯圖像對象及其中對象位置關系以方便圖像的分類,是圖像數(shù)據(jù)庫系統(tǒng)設計的一個重要問題。而且利用圖像中對象間的空間關系來區(qū)別圖像,符合人們識別圖像的習慣,所以許多研究人員從圖像中對象空間位置關系出發(fā),著手對基于對象空間位置關系的分類方法進行了研究。早在1976年,Tanimoto提出了用像元方法來表示圖像中的實體,并提出了用像元來作為圖像對象索引。隨后被美國匹茲堡大學chang采納并提出用二維符號串(2D一String)的表示方法來進行圖像空間關系的分類,由于該方法簡單,并且對于部分圖像來說可以從ZD一String重構(gòu)它們的符號圖,因此被許多人采用和改進,該方法的缺點是僅用對象的質(zhì)心表示空間位置;其次是對于一些圖像來。

4. 目標檢測

目標檢測，也叫目標提取，是一種基于目標幾何和統(tǒng)計特征的圖像分割。它將目標的分割和識別合二為一，其準確性和實時性是整個系統(tǒng)的一項重要能力。

它將目標的分割和識別合二為一，其準確性和實時性是整個系統(tǒng)的一項重要能力。尤其是在復雜場景中，需要對多個目標進行實時處理時，目標自動提取和識別就顯得特別重要。

隨著計算機技術的發(fā)展和計算機視覺原理的廣泛應用，利用計算機圖像處理技術對目標進行實時跟蹤研究越來越熱門，對目標進行動態(tài)實時跟蹤定位在智能化交通系統(tǒng)、智能監(jiān)控系統(tǒng)、軍事目標檢測及醫(yī)學導航手術中手術器械定位等方面具有廣泛的應用價值。

5. 人臉識別

人臉識別，是基于人的臉部特征信息進行身份識別的一種生物識別技術。用攝像機或攝像頭采集含有人臉的圖像或視頻流，并自動在圖像中檢測和跟蹤人臉，進而對檢測到的人臉進行臉部識別的一系列相關技術，通常也叫做人像識別、面部識別。

人臉識別系統(tǒng)主要包括四個組成部分，分別為：人臉圖像采集及檢測、人臉圖像預處理、人臉圖像特征提取以及匹配與識別。

6. 文本分類

文本分類用電腦對文本集(或其他實體或物件)按照一定的分類體系或標準進行自動分類標記。 它根據(jù)一個已經(jīng)被標注的訓練文檔集合, 找到文檔特征和文檔類別之間的關系模型, 然后利用這種學習得到的關系模型對新的文檔進行類別判斷。文本分類從基于知識的方法逐漸轉(zhuǎn)變?yōu)榛诮y(tǒng)計和機器學習的方法。

詞匹配法：詞匹配法是最早被提出的分類算法。這種方法僅根據(jù)文檔中是否出現(xiàn)了與類名相同的詞（頂多再加入同義詞的處理）來判斷文檔是否屬于某個類別。很顯然，這種過于簡單機械的方法無法帶來良好的分類效果。

統(tǒng)計學習：統(tǒng)計學習方法需要一批由人工進行了準確分類的文檔作為學習的材料（稱為訓練集，注意由人分類一批文檔比從這些文檔中總結(jié)出準確的規(guī)則成本要低得多），計算機從這些文檔中挖掘出一些能夠有效分類的規(guī)則，這個過程被形象的稱為訓練，而總結(jié)出的規(guī)則集合常常被稱為分類器。訓練完成之后，需要對計算機從來沒有見過的文檔進行分類時，便使用這些分類器來進行。

7. 聊天機器人

近日，人工智能研究公司OpenAI推出的一款名為ChatGPT的聊天機器人火遍全球。ChatGPT不僅能流暢地與人對話，還能寫代碼、找Bug、做海報、構(gòu)建虛擬機等等。

從整體技術路線上來看，ChatGPT使用了GPT-3.5大規(guī)模語言模型（LLM，Large Language Model），并在該模型的基礎上引入強化學習來Fine-turn預訓練的語言模型。這里的強化學習采用的是RLHF（Reinforcement Learning from Human Feedback），即采用人工標注的方式。目的是通過其獎勵懲罰機制（reward）讓LLM模型學會理解各種NLP任務并學會判斷什么樣的答案是優(yōu)質(zhì)的（helpfulness、honest、harmless三個維度）。