劉詩晗 李天劍

摘要：隨著社會經(jīng)濟的發(fā)展，科學(xué)技術(shù)發(fā)展迅猛，特別是在計算機領(lǐng)域先進技術(shù)層出不窮，極大地促進了社會的發(fā)展，便捷了人們的日常生活。深度學(xué)習(xí)是計算機學(xué)習(xí)和研究中的一個新領(lǐng)域，可以通過對人類大腦的模仿釋放相關(guān)數(shù)據(jù)。本文探究深度學(xué)習(xí)在計算機視覺領(lǐng)域的應(yīng)用進展研究，希望能夠促進計算機視覺領(lǐng)域的發(fā)展。

摘要：深度學(xué)習(xí)；計算機視覺領(lǐng)域；應(yīng)用；進展

一、前言

在當前社會中，由于社會發(fā)展的需要，計算機視覺成為社會生產(chǎn)生活的重要組成部分。所謂計算機視覺，就是指通過攝影機和計算機代替我們?nèi)祟惖难劬δ繕诉M行識別、跟蹤和測量，并能夠?qū)⑺脭?shù)據(jù)進行圖形處理，最后把它變成更適合人類觀察的圖像，或者適合儀器檢查的圖像。對于圖像的處理包括圖像分類、圖像匹配、目標檢測、圖像問答、圖像語義分割、行為識別等。圖像語義分割和圖像問答是近年來計算機技術(shù)發(fā)展的重點方向，需要用到深度學(xué)習(xí)的技術(shù)。深度學(xué)習(xí)技術(shù)對于計算機視覺領(lǐng)域的發(fā)展起到了重要的作用。

二、深度學(xué)習(xí)算法在圖像分類中的應(yīng)用

通過在深度學(xué)習(xí)中建立卷積神經(jīng)網(wǎng)絡(luò)模型，計算機視覺系統(tǒng)有了大的突破，其中應(yīng)用最廣的是圖像分類和物體檢測。

圖像分類就是通過對圖像進行分析，能夠把圖像劃分到某種類別中。圖像分類強調(diào)圖像整體語義的判定。當前最常用語評判此類算法的帶標簽數(shù)據(jù)集就是ImageNet和CIFAR-10/100。ImageNet的規(guī)模比較大，種類也比較多，在遷移學(xué)習(xí)的思想運用比較多。遷移學(xué)習(xí)的通用場景為：在普通的場景下訓(xùn)練深度模型，通過將它的網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)與小數(shù)據(jù)集進行共享的任務(wù)場景，這樣深度模型上的小數(shù)據(jù)任務(wù)就可以進行微調(diào)。除此之外，圖像分類領(lǐng)域既是計算機視覺領(lǐng)域的基礎(chǔ)領(lǐng)域，也是最早使用深度學(xué)習(xí)的領(lǐng)域。計算機視覺領(lǐng)域的其他領(lǐng)域也可以在借鑒分類任務(wù)經(jīng)驗的基礎(chǔ)上，把模型遷移到其他任務(wù)之上，這也是計算機視覺領(lǐng)域的發(fā)展趨勢。

三、深度學(xué)習(xí)在物體檢測中的應(yīng)用

將物體檢測與圖像分類進行對比會發(fā)現(xiàn)，物體檢測任務(wù)更加復(fù)雜。物體檢測就是指在給出的一張圖像中（圖像中包含了多個不同類別的物體），可以對每個物體進行識別和定位?？梢哉f，想要在物體檢測中獲得好的效果是比較難以實現(xiàn)的，深度學(xué)習(xí)模型在物體檢測中也更加復(fù)雜。

當前的計算機視覺領(lǐng)域中，物體檢測模型的建立基礎(chǔ)是卷積神經(jīng)網(wǎng)絡(luò)?；旧纤械奈矬w檢測中的困難都集中在如何提取候選區(qū)域和如何對候選區(qū)域進行分類這兩個問題上。這也就是物體檢測問題比圖像分類問題的難度更高、更加復(fù)雜的原因。同時物體檢測問題對于模型的性能要求也比較高。近些年來，隨著科學(xué)技術(shù)的發(fā)展，卷積神經(jīng)網(wǎng)絡(luò)算法在結(jié)構(gòu)方面也有了較大的突破和技術(shù)創(chuàng)新，促進了物體檢測技術(shù)的發(fā)展。卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用范圍不限于圖像分類和物體檢測，在計算機視覺領(lǐng)域的其他方面也有著重要的作用。卷積神經(jīng)網(wǎng)絡(luò)中的“端到端”技術(shù)，能夠使用可以更加方便。同時，卷積神經(jīng)網(wǎng)絡(luò)可以在增多神經(jīng)元和加深網(wǎng)絡(luò)層次的情況下將訓(xùn)練網(wǎng)絡(luò)進行優(yōu)化，使得卷積神經(jīng)網(wǎng)絡(luò)可以適用于結(jié)構(gòu)抽取型和數(shù)據(jù)稠密型的任務(wù)。

四、深度學(xué)習(xí)在人臉識別系統(tǒng)中的應(yīng)用

留心觀察周圍的生活我們不難發(fā)現(xiàn)，人臉識別技術(shù)在多個行業(yè)中都有了應(yīng)用。通過人臉識別技術(shù)，可以便于企業(yè)的員工考勤、優(yōu)化客戶的使用體驗、提高服務(wù)水平等。如在防盜門上安裝人臉識別技術(shù)，便可以防盜。在企業(yè)安裝人臉識別技術(shù)，可以提高員工的工作積極性。

人臉識別技術(shù)主要分為兩類：人臉特征提取識別和人臉檢測定位。人臉檢測定位要求能夠從所取的圖像中分割出人臉目標，然后進行歸一化處理。人臉特征提取識別時要求算法具有不變形。人臉特征提取識別中的技術(shù)難點在于人臉不是一成不變的，而是具有一定彈性和可變性，建模難度高。人臉檢測定位中的技術(shù)難點在于人臉目標模式的多樣性和背景的復(fù)雜性。未來人臉檢測定位的技術(shù)要能夠簡化復(fù)雜的背景，還要建立高維空間人臉建模。

五、計算機視覺領(lǐng)域的商用和創(chuàng)新應(yīng)用

計算機視覺技術(shù)在商業(yè)中的應(yīng)用越來越廣泛。主要應(yīng)用范圍為安全監(jiān)控、犯罪體態(tài)識別、人臉識別、電子商務(wù)以及戶籍管理等許多方面。計算機視覺技術(shù)對于社會的經(jīng)濟、安全、發(fā)展起到了積極的作用。如通過犯罪體態(tài)識別，可以幫助刑警將犯罪嫌疑人盡快捉拿歸案，保障人民群眾的人身和財產(chǎn)安全。企業(yè)通過使用人臉識別技術(shù)，可以防止替班、遲到、早退等不良現(xiàn)象出現(xiàn)，便于提高企業(yè)生產(chǎn)效率，促進企業(yè)發(fā)展。

現(xiàn)在計算機視覺技術(shù)在許多其他領(lǐng)域也有了新的應(yīng)用。在工業(yè)生產(chǎn)中，通過圖像處理和物體檢測技術(shù)，工業(yè)生產(chǎn)中的某些相關(guān)任務(wù)的準確率和效率有了提升。在農(nóng)業(yè)生產(chǎn)領(lǐng)域，對水果進行分級時往往采用人工分級。但是在實際人工分級時，操作難度比較大。這是因為果蔬都是自然產(chǎn)品，在外觀的有著較大的差異。計算機視覺技術(shù)的應(yīng)用，可以讓果蔬實現(xiàn)自動分級。通過相關(guān)技術(shù)設(shè)置，可以根據(jù)果蔬的大小、顏色、形狀、表面損傷和光滑程度進行分級。

六、深度學(xué)習(xí)在計算機視覺領(lǐng)域的發(fā)展

雖然計算機視覺領(lǐng)域已經(jīng)有了較大的發(fā)展和進步，但是還有較大的進步空間。在計算機算法方面，最近的研究報告指出將計算機視覺系統(tǒng)收集到的時序信息與CNN抽到的結(jié)構(gòu)信息結(jié)合后能夠取得更好的效果，那么未來科研人員可以把此作為新的研究方向。另外，計算機視覺領(lǐng)域中的圖像問答和圖像摘要在近幾年的科研中有了新的突破，這都是計算機視覺技術(shù)與自然語言處理互相結(jié)合的結(jié)果。未來幾年，科研人員一定能有更大的研究發(fā)現(xiàn)和研究成果。最后，通過對網(wǎng)絡(luò)提取中的特征表示進行升級和改造，計算機在人工智能的應(yīng)用范圍會更廣。

七、結(jié)束語

隨著科研人員的不懈努力，深度學(xué)習(xí)技術(shù)在近些年取得了不俗的發(fā)展和進步。文中提到的圖像分析、物體檢測以及人臉識別系統(tǒng)在技術(shù)方面已經(jīng)成熟，在社會生產(chǎn)和生活中的應(yīng)用也已經(jīng)十分廣泛。對于圖像分割、圖像問答、圖像識別等領(lǐng)域也在不斷地發(fā)展進步中。相信在科研人員和全社會的共同努力下，計算機視覺領(lǐng)域會有更好的發(fā)展。

參考文獻

[1]張忠寶.關(guān)于人臉識別技術(shù)在商業(yè)銀行方面的應(yīng)用——基于計算機視覺 [J]. 計算機光盤軟件與應(yīng)用，2012，15（20）：61-62.

[2] 李東. 計算機視覺技術(shù)在工業(yè)領(lǐng)域中的應(yīng)用 [J]. 電子技術(shù)與軟件工程，2017，（16）：147.

[3]張瑞宇，劉順淑.計算機視覺技術(shù)在果蔬采后處理中的應(yīng)用[J].重慶工商大學(xué)學(xué)報（自然科學(xué)版）[J]，2004，（05）

[4] 陳鴻翔. 基于卷積神經(jīng)網(wǎng)絡(luò)的圖像語義分割 [D]. 浙江大學(xué)，2016.

[5] 周益淇.深度學(xué)習(xí)在計算機視覺領(lǐng)域的應(yīng)用進展 [J].電子制作，2018（08）.

（作者單位：北京信息科技大學(xué)機電工程學(xué)院）