关于人工智能的计算机算法探讨.docx资源-CSDN文库

版权申诉

22 浏览量 2022-07-11 23:30:53 上传评论收藏 14KB DOCX 举报

资源推荐

资源详情

资源评论

关于人工智能的计算机算法探讨

摘要：人工智能是集合了计算机科学、逻辑学、生物学、心理学和哲学等众多

学科，在语音识别、图像处理、自然语言处理、自动定理证明及智能机器人等应

用领域取得了显著成果。人工智能在社会发展中扮演着不可或缺的角色。人工智

能在提升劳动效率、减低劳动成本、优化人力资源结构及创造新的工作岗位需求

方面带来了革命性的成果。

关键词：计算机；人工智能；数学算法

1 计算机视觉的发展

人们认识世界，91%是通过视觉来实现。同样，计算机视觉的最终目标就是

让计算机能够像人一样通过视觉来认识和了解世界，它主要是通过算法对图像进

行识别分析，目前计算机视觉最广泛的应用是人脸识别和图像识别。传统图像分

类的方法主要经过 2 个步骤: 特征提取和训练分类器。特征提取通用的方法主要

包括 2 种，使用通用特征提取和使用自己设计的特征提取。例如在人脸识别中，

使用 HOG，LBP 等通用特征进行检测。选定特征之后，使用传统的机器学习方法，

例如 adaboost 等建模方法训练分类模型，然后选择效果最好的模型进行调参，最

终生成人脸检测模型。自 2015 年之后，图像处理使用深度学习进行分类的方法

得到了广泛应用。神经网络通过神经元构建成网络，通过激活函数使模型具有非

线性拟合能力。只需要给模型设计好输入和输出，模型就能自动学习特征提取和

训练分类器的过程。深度学习的使用让图像分类过程中最为费时费力的过程得以

简化，提升了图像分类的效果和效率。VGG，ResNet( 残差神经网络)，inception

这几种结构是工程中最常用的。工程上使用的模型必须要兼顾效率和效果，即在

保证精度的同时也要保证速度。所以，在训练好模型之后会对模型进行微调和缩

减。FRCNN，Mask－RCNN，YOLO 是现在常用的网络模型，这几个模型拥有的共

同点就是精度高、速度快。例如应用在人脸识别领域，这几个模型都可以实时检

测并得出结果。目标跟踪主要有 3 类算法，相关滤波算法、检测与跟踪相结合的

算法和基于深度学习的算法。相关滤波( Correlation Filter，CF) 是当前研究的一个

重点，最初它应用在信号领域，之后引入目标跟踪领域。它引入了快速傅里叶变

换从而使得算法效率得到有效提升。MOSSE 是目标检测算法中应用最早的算法。

在研究过程中在实时性应用方面做出突破的算法是 CSK。在 CSK 的基础上进行改

进，产生了 KCF 算法。之后还提出了 CN，DSST，SRDCF 等算法。检测与跟踪相结

合的算法，简单来说就是目标跟踪的判别式算法。算法的实现理念是先找出目标

的位置，然后再对目标进行跟踪。深度学习的推广也影响到目标跟踪研究。基于

深度学习的算法有分类和回归两类。R－CNN，Fast R－CNN，Faster R－CNN 是基

于分类的算法。3 种算法最大的不同在于检测窗口的选择，R－CNN 采用滑动窗口，

Fast R－CNN 采用 SelectiveSearch，Faster R－CNN 采用 RPN。计算机视觉就是将图

片分割成像素，然后对像素进行处理。语义分割的意义是理解分割后像素的含义，

例如图片中识别人、摩托、汽车及路灯等，它需要对密集的像素进行判别。卷积

神经网络推动了语义分割算法的发展。语义分割中最基础的方法是通过滑动的窗

口进行分类预测。2014 年，全卷积神经网络(FCN) 的出现替代了网络全连接层。

基于 FCN 研究出 Encoder －Decoder 架构。Encoder 是降低空间维度的操作，

Decoder 是恢复空间维度和细节信息的操作。之后空洞卷积( Dialated /Atrous) 取代

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余2页未读，立即下载

内容反馈

版权申诉

G11176593

粉丝: 6670
资源: 3万+

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈

feedback-tip