|
基于人工智能的通用图片识别平台

图像识别技术的发展

2020-02-10

  图像识别技术是人工智能的一个重要领域。为了编制模拟人类图像识别活动的计算机程序,提出了不同的图像识别模型。例如,模板匹配模型。该模型认为,为了识别图像,必须在过去的经验中有图像的记忆模式,也称为模板。如果当前刺激与大脑中的模板匹配,图像就会被识别。例如,有一个字母A,如果大脑中有一个A模板,字母A的大小、方向和形状与A模板完全相同,字母A被识别。模式识别是在专家经验和已有认识的基础上,运用计算机和数学推理的方法,对形状、图案、曲线、数字、字符格式和图形进行自动识别和评价的过程。模式识别包括两个阶段,即学习阶段和实施阶段。前者是选取样本的特征,找出分类规律,后者是根据分类规律对未知样本集进行分类和识别。模式识别模板匹配模型简单明了,易于实际应用。


  然而,这个模型强调图像必须与大脑中的模板完全一致,才能识别出来。事实上,人们不仅可以识别大脑中与模板完全一致的图像,还可以识别出与模板不完全一致的图像。例如,人们不仅可以识别特定的字母A,而且还可以识别字母A的打印、手写、误导、不同大小的字母。同时,人们可以识别出大量的图像,如果每一幅图像在大脑中都有对应的模板,那是不可能的。


  为了解决模板匹配模型的问题,Gestalt心理学家提出了一个原型匹配模型。这个模型认为,存储在长期内存中的不是要识别的无数模板,而是图像的一些"相似之处"。从图像中提取的相似性可以用作测试要识别的图像的原型。如果能找到类似的原型,图像就会被识别出来。从神经的角度和记忆探索的过程来看,该模型比模板匹配模型更适合,也可以解释一些不规则图像的识别,但有些方面与原型相似。然而,这个模型并没有解释人们如何识别和处理类似的刺激,而且很难在计算机程序中实现。因此,有些人提出了一个更复杂的模型,即泛魔术识别模型。


  

您好,有什么需要帮助的吗?