TCIQA74-2024人工智能（AI）鉴定通用规范.pdf

T/CIQAxxx-2023

AI鉴定通用规范

1范围

本文件规定了电子商务中产品的AI鉴定算法数据处理流程、目标检测、图片质量评估、

目标分类、集成、准确率评估等相关技术，以及鉴定报告的具体规范。

本文件适用于具有计算机视觉，深度学习能力的公司获取数据、进行模型训练、搭建人

工智能鉴定系统。

注：本文件适用的部分电子商务产品包括：奢侈品品牌的箱包、腕表、鞋履、服装、珠

宝玉石等，详情见附录A。

2规范性引用文件

下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期

的引用文件，仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括

所有的修改单）适用于本文件。

GB/T5721.28—2001信息技术词汇第28部分：人工智能基本概念与专家系统

GB/T5721.34—2006信息技术词汇第34部分：人工智能神经网络

3术语、定义和缩略语

3.1术语和定义

GB/T5721.28—2001、GB/T5721.34—2006界定的以及下列术语和定义适用于本文件。

3.1.1

人工智能ArtificialIntelligence

一门交叉学科，通常视为计算机科学的分支，研究表现出与人类智能（如推理和学习）

相关的各种功能的模型和系统。

[GB/T5271.28—2001,定义28.01.01，有修改]

3.1.2

机器学习MachineLearning

功能单元通过获取新知识或技能，或通过整理已有的知识或技能来改进其性能的过程。

[GB/T5271.31—2006,定义31.01.02]

3.1.3

深度学习DeepLearning

深度学习是机器学习的分支，是一种以人工神经网络结构对数据进行表征学习的算法。

[T/SIA006—2018，定义2.3]

T/CIQAxxx-2023

3.1.4

神经网络NeuralNetwork

由加权链路且权值可调整连接的基本处理元素的网络，通过把非线性函数作用到其输入

值上使每个单元产生一个值，并把它传送给其他单元或把它表示成输出值。

注1：虽然某些神经网络旨在模拟神经系统中神经元的功能，但大多数神经网络用于人

工智能以实现连接模型。

注2：非线性函数的例子是阈值函数、sigmoid函数以及多项函数。

3.1.5

计算机视觉ComputerVision

功能单元获取、处理和解释可视化数据的能力。

3.1.6

目标检测ObjectDetection

找出图像中所有感兴趣的目标（物体），确定它们的类别和位置的过程。

3.1.7

目标分类ObjectClassification

对图像中的目标进行分类的过程。

3.1.8

数据增强DataAugmentation

一种通过让有限的数据产生更多的等价数据来人工扩展训练数据集的技术。

3.1.9

对抗生成网络GenerativeAdversarialNet

是一种深度学习模型，通过框架中的生成模型和判别模型的互相博弈学习产生相当好的

输出。

3.1.10

语义分割SemanticSegmentation

通过查找像素，识别图像中存在的内容以及位置。

3.1.11

人工智能鉴定ArtificialIntelligenceAuthentication

通过以计算机视觉为主的人工智能技术，对商品和证照的制作工艺和印刷字体等进行客

观的真伪鉴别的过程。

T/CIQAxxx-2023

3.1.12

鉴定点AuthenticationFeature

是指AI鉴定或者人工鉴定关注的商品的特殊部位，这些部位正品和仿品存在可分辨差

异，详情见附录A。

3.1.13

训练数据TrainData