如何让机器看懂这个多彩世界.PDFVIP

当前文档由后花园网文自动生成，更多内容请访问 HTTP://WWW.HHYWW.NET 如何让机器看懂这个多彩世界 来源于:CNET科技资讯网 从茹毛饮血的蛮荒，到钢筋水泥的城市，人类逐步将自身能力投射到计算 机上。无论是计算能力，还是记忆能力，计算机的如今表现都堪称卓越。但仅 拥有这些还远远不够，我们期待计算机可以做得更多。一部风靡全球《星际穿 越》激起了无数人对探索浩瀚宇宙奥秘的渴望，也让许多人记住了Tars这个聪 明可爱、幽默风趣的智能机器人。人工智能主题的好莱坞电影一直广受影迷们 的喜爱，人类用无尽的想象力和炫目的特技构筑了一个又一个无比精彩的未来 世界，令人如痴如醉。不过，回到现实，计算机科学家们的行动力却看似远远 赶不上电影艺术家们的想象力，电影终归是电影，要研发出一个像Tars一样能 看懂周围世界、听懂人类语言、并和人类进行流畅对话的智能机器人，我们要 走的路还有很长。 长时间来，让计算机能看、能听、能说一直是我和计算机界同行们孜孜以 求的目标。耕耘在计算机视觉领域十余年，赋予计算机一双慧眼，让它也能看 懂这个多彩的世界，一直是激励着我在这条充满挑战的道路上前行的重要力量 。虽然计算机暂时还无法像电影中所展现的那般智能，但已经取得了很多令人 惊喜的成绩。在这篇文章中，我将就如何让计算机能“看”懂世界这个主题 ，为大家介绍计算机视觉的基本概念、这个领域面临的挑战、一些带来重要突 破的技术并展望未来的演进趋势。 世界如何在我们眼中形成 对人类而言，“认人”似乎是与生俱来的本能，刚出生几天的婴儿就能模 仿父母的表情；它赋予我们只凭极少细节就分辨彼此的能力，借着暗淡灯光我 们仍能认出走廊那端的朋友。然而，这项对人类而言轻而易举的能力，对计算 机而言却举步维艰。过去很长一段时间，计算机视觉技术徘徊不前，在进一步 探求前，不如先谈谈我们是如何用眼睛观察世界的。 相信大家都在中学的物理课上尝过小孔成像的原理。不过人的眼睛要比小 孔成像复杂得多，当我们观察物体时，每秒大约扫视3次，并有1次驻留。当视 网膜的感光体感受到蜡烛的轮廓，一个被称为中央凹的区域其实是以扭曲变形 的形式记录下蜡烛的形状。 那么问题来了，为何我们看到的世界既未扭曲也没有变形呢？很简单，因 为人类拥有大脑皮层这个万能的“转换器”，它将我们的视觉神经捕捉到的信 号转换为真实的形象。这个“转换器”可简化理解为四个区域，生物学家将它 们分别称为V1、V2、V4和IT区。V1区的神经元，只针对整个视觉区域中很小的 一部分做出反应，例如，某些神经元发现一条直线，就变得异常活跃。这条直 线可以是任何事物的一部分，也许是桌边，也许是地板，也许是这篇文章某个 字符的笔划。眼睛每扫视一次，这部分神经元的活动就可能发生快速变化。 奥秘出现在大脑皮层顶层的IT区，生物学家发现，物体在视野的任何地方 出现（例如一张脸），某些神经元会一直处于固定的活跃状态中。也就是说 ，人类的视觉辨识是从视网膜到IT区，神经系统从能识别细微特征，到逐渐变 为能识别目标。如果计算机视觉也可以拥有一个“转换器”，那么计算机识别 的效率将大为提高，人眼视觉神经的运作为计算机视觉技术的突破提供了启迪 。 计算机为何总是“雾里看花” 尽管人眼识别的奥秘已经被逐步揭开，但直接应用于计算机上却非易事。 我们会发现计算机识别总是在“雾里看花”，一旦光线、角度等发生变化，计 算机难以跟上环境的节奏，就会误识。对计算机而言，识别一个在不同环境下 的人，还不如识别在同一环境下的两个人来得简单。这是因为最初研究者试图 将人脸想象为一个模板，用机器学习的方法掌握模板的规律。然而人脸虽然看 起来是固定的，但角度、光线、打扮不同，样子也有差别，都令简单的模板难 以匹配所有人脸。 因此，人脸识别的核心问题在于，如何让计算机忽略同一个人的内部差异 ，又能发现两个人之间的分别，即让同一个人相似，不同的人有别。 对人工