2016年6月6日，由清華海峽研究院、北京清華工業(yè)開發(fā)研究院、數(shù)據(jù)科學(xué)研究院共同主辦的“清華人工智能論壇”在清華大學(xué)成功舉辦。本次論壇邀請了清華人工智能領(lǐng)域的權(quán)威專家和校友產(chǎn)業(yè)界代表相聚清華，學(xué)術(shù)泰斗與產(chǎn)業(yè)嘉賓思想碰撞，共同為人工智能發(fā)展問診把脈。6月8日，清華大學(xué)自動化系教授張長水也在清華大學(xué)發(fā)表了精彩演講。整理演講內(nèi)容如下：

　　清華大學(xué)自動化系張長水教授：圖像識別與機(jī)器學(xué)習(xí)

　　圖像識別是人工智能領(lǐng)域非常核心的一個課題，同時從研究的角度來看，機(jī)器學(xué)習(xí)也是人工智能下的一個研究方向。

　　圖像識別的概念及應(yīng)用

　　圖像識別是指利用計(jì)算機(jī)對圖像進(jìn)行處理、分析和理解，以識別各種不同模式的目標(biāo)和對象的技術(shù)。這些研究可以應(yīng)用在多個領(lǐng)域，比如無人駕駛汽車，如果汽車上有一個帶有攝像頭的輔助系統(tǒng)，能夠識別這個場景下所有的情況，包括車道線、交通標(biāo)識、障礙物等，這樣能夠讓人們駕駛汽車更方便、更輕松。

　　另外，一些相機(jī)在拍照時，在用戶按下快門到一半時，相機(jī)就會去捕捉這個圖像的人臉在什么地方，并進(jìn)行對焦，使這個圖像能夠讓人更清楚一點(diǎn)。

　　圖像識別的難點(diǎn)

　　一是視點(diǎn)變化很多。當(dāng)我們對同樣一個物體拍照的時候，因?yàn)橐朁c(diǎn)不同，得到的圖像外觀是不一樣的。所以對同一個物體從不同角度看，外觀會非常不一樣。

　　二是尺度問題。物體在圖像中近大遠(yuǎn)小，這會給圖像識別帶來一定的難度。

　　三是光影的變化一直是計(jì)算機(jī)視覺特別關(guān)心的一個問題，同樣一個人在不同光影下看起來判若兩人。

　　四是在復(fù)雜背景下，找到某一個人拄著拐杖，或者找到一個戴帽子的人難度很大。

　　五是遮擋。遮擋是計(jì)算機(jī)視覺特別關(guān)心的一個難點(diǎn)。比如在某個圖片里，熙熙攘攘的人群中，如何判斷人群中被遮擋人物的性別，對于計(jì)算機(jī)而言還是有一定難度。

　　六是變形。非鋼體在運(yùn)動時會產(chǎn)生變形。

　　圖像識別的發(fā)展歷史

　　視覺領(lǐng)域做圖象識別，物體的識別研究已經(jīng)有幾十年歷史了，但是直到幾年以前，有影響的圖像識別產(chǎn)品不多，一個是OCR，一個是指紋，還有一個就是人臉檢測。

　　圖像識別最開始是從單一的物體識別做起。我們的客觀世界既復(fù)雜、又多樣，如何進(jìn)行識別?首先從簡單的問題做起，這也是科學(xué)研究的一般方法：從簡單的問題著手。比如從做積木的識別入手，因?yàn)榉e木有很規(guī)范的幾種形狀。

　　在20世紀(jì)80年代后期到90年代期間，機(jī)器學(xué)習(xí)有了飛速的發(fā)展，出現(xiàn)了一些了不起的研究成果，包括：支持向量機(jī)方法、AdaBoosting方法、計(jì)算學(xué)習(xí)理論等。這些成果出現(xiàn)使得機(jī)器學(xué)習(xí)和識別的發(fā)展步伐大大向前邁進(jìn)。

　　2002年以后，華人女科學(xué)家李飛飛開始用一個新的思路進(jìn)行圖像識別。他們希望設(shè)計(jì)一個統(tǒng)一的框架做圖像識別，并且這個統(tǒng)一的框架能識別成千上萬種物體。另外，該團(tuán)隊(duì)還希望機(jī)器學(xué)習(xí)領(lǐng)域的出色成果可以用在圖像識別上，并且借鑒文本分析里的“詞袋”(bag of words)的方法用于圖像識別。在自然語言處理里面，有一個任務(wù)是對文本分類，文本分類中就采用了“詞袋”方法。例如，要識別一張人臉，只需要看圖像里有沒有鼻子、眼睛、嘴巴和下巴，只要這些內(nèi)容都包含，就可以說明這是一張人臉。你可能會覺得這很簡單。

　　如何把“詞袋”方法用于圖像識別?在識別圖像時，可以把圖像中的“高頻詞”放在一起來識別圖像，這里的“詞”就是小的圖像塊。實(shí)際上，圖像中的“詞”不是這么直觀，而是圖像小塊。它是很底層的圖像塊，非常小，3×3、5×5或者7×7大小的圖像塊。

　　2006年，Hinton在Science上發(fā)表了一篇文章介紹深度學(xué)習(xí)方法，有人建議Hinton用他們的方法測試物體識別問題。結(jié)果在2012年的比賽中，他們獲得了第一名，成績?yōu)?5%的識別率。

　　面臨的困難和今后要研究的問題

　　盡管圖像識別已經(jīng)做的非常好，但還面臨一定的困難。例如，人們在做圖像識別時，通常要標(biāo)注數(shù)據(jù)，然后用這些圖像對機(jī)器進(jìn)行訓(xùn)練。標(biāo)注數(shù)據(jù)是很頭疼的一件事，需要花費(fèi)很多時間和財(cái)力。數(shù)據(jù)庫就要對每個物體用方框框起來，并給出一個類別標(biāo)號。

　　目前，還是有很多問題沒有得到解決，現(xiàn)有技術(shù)只是對圖像做了解析，識別出這張圖中哪些部分是鳥、哪些是樹，但是沒有對這個圖片做更深入的理解。但這個算法并不知道這些物體之間的關(guān)系是什么，而人們在理解一張圖片時，理解物體之間的關(guān)系非常重要。

　　盡管都在談圖像識別，但是背后很多方法都離不開機(jī)器學(xué)習(xí)，這需要計(jì)算機(jī)視覺科學(xué)家和專業(yè)人士共同努力，把成果轉(zhuǎn)化為產(chǎn)品，使人們的生活更加智能化。

　　(本文整理自清華大學(xué)自動化系教授張長水在“清華人工智能”論壇上的演講，未經(jīng)本人確認(rèn))