图灵汇官网

硅谷Live / 实地探访 / 热点探秘 / 深度探讨

最近看电视时，小探不禁感叹时间过得真快。感觉巴西里约奥运会才刚刚结束，日本奥运会就已经临近了！

2020年日本奥运会使用人工智能进行人脸识别

日本NEC公司近期宣布，将在2020年日本奥运会上采用其旗下的人工智能NeoFace进行大规模的人脸识别。该系统预计将应用于超过三十万参与者，包括运动员、志愿者、观众和媒体人员。据了解，NEC的人脸识别技术已通过美国国家标准与技术研究所的基准测试，处于世界领先水平。

人脸识别技术的实际应用

提到人脸识别技术的应用，不得不提张学友这位“捕神”。在今年的四场音乐会上，张学友协助警方抓获了五名逃犯，这种意外的“福利”让人印象深刻。

图像识别技术的发展与应用

图像识别技术，作为人工智能的一个重要分支，近年来取得了显著进展。谷歌的TensorFlow、Facebook的DeepFace和微软的Project Oxford都是图像识别技术的代表。预计到2022年，全球图像识别市场的规模将达到422亿美元。

图像识别技术的基本原理

图像识别技术主要依赖于图像的主要特征。例如，识别一张照片时，人们通常会关注照片中最显眼的部分。研究表明，人类在观看图像时，视线往往集中在图像轮廓曲度最大或轮廓方向突然改变的地方。这些地方的信息量最大，且眼睛的扫描路线也倾向于依次从一个特征转移到另一个特征。大脑中有一个机制负责整合这些信息，形成完整的图像。

图像识别技术的应用领域

图像识别技术在各个行业都有广泛的应用。例如，气象学家可以利用图像识别技术来识别云、雨、雾、霜等天气现象。斯坦福大学教授李飞飞的团队曾将图像识别错误率从28%降低到2.3%，取得了巨大成就。

当前图像识别技术面临的挑战

尽管图像识别技术取得了显著进展，但科学家们仍在努力解决如何训练系统识别物体间的关系。李飞飞教授提到，当前的图像识别技术可以在搜索引擎中识别简单的关键词，但对于复杂的句子，如“一个穿着红衣服的小女孩在和一个穿着蓝衣服的小男孩在海边踢足球”的搜索，仍然难以满足需求。

AI图像识别2.0的到来

在硅谷，有一支团队正在致力于解决这一问题。这支团队名为Neuron Drop，致力于开发能够识别物体间关系的图像识别技术。Neuron Drop首创了分布式智能深度学习算法DCNN，这种算法可以实现自我学习，无需海量数据即可构建模型。这意味着即使在没有大量数据的情况下，人工智能也可以高效地进行识别。

Neuron Drop的技术优势

Neuron Drop的核心技术可以大幅提高识别精度，尤其是在动态物体识别方面。例如，在动态情况下，一些难以辨认的物体更容易被识别。据Neuron Drop的CEO Gordon Lu介绍，他们在测试环境下的准确率达到了97.7%至98.5%。

应用前景

Neuron Drop目前主要在中国市场推广，应用场景包括大型国际会议、音乐会的安防，以及高铁和高压线维修保护等领域。预计未来几年，这一技术将为多个行业带来变革。

展望未来

图像识别技术的进一步发展将不仅提升识别精度，还能大幅节省人力和物力资源。我们期待着图像识别2.0时代的到来。