拔刺 | 如何通过人工神经网络实现图像识别?

2018 年 8 月 24 日 镁客网


--- 拔出你心中最困惑的刺!---

在这个用过即弃的时代,不要让你的求知欲过期。

今日拔刺:

1、如何通过人工神经网络实现图像识别?

2、人工智能时代,艺术是否会成为解放人类的途径?

3、联发科x30、高通骁龙710、骁龙660和麒麟970,哪个更强悍?

本文 | 1966字 阅读时间 | 5分钟

如何通过人工神经网络实现图像识别?


人工神经网络作为一个新技术正不断融入各个学科,其独有的优势在数字图像处理中也得到了不错的运用。针对卷积神经网络做图像识别,则是一个相当火的方向,如腾讯云识别,只要上传任意一张图像就能识别出图中有人还是有花等,那这到底是怎么实现的呢?

下面我们就以如何通过神经网络识别人物肖像来说事。

假设有一张女人的图像:

这是一张大小为350x450的图像,那现在我们在人工智能里设定,如果在看到其他的图,只要其大小为350x450,并且所有像素点跟上面这张图一样,那就判定图中的人是女的。

很显然,在海量的图像里除了这张能再找到完全一样的才怪。那怎么办嘞,每个人都长的不一样,有的白一点,有的黑一点,即使是同一个女人,也有可能她吃胖了,那岂不是认不出来了?

这时神经网络发挥作用了,我们看这张图时看到了什么特征?帽子、长发、卷发、大眼睛而且还露背了。

再分析一下,头发是黑色的,黑色的像素亮度低,头发一般是一簇的,卷发是大卷的,大眼睛在整个脸部占比多一点,好像都是废话,但对于神经网络不是,这都是特征。

若我们有10万张长发的人的图像,让神经分析所有图中像素点的位置和像素点的值的共同点,最终会得到一个网络,只要跟这个网络里记忆的特征相同或者相似的就会被定义为长发。10万个长发发型样本几乎覆盖了所有能想到的发型,当再拿一张长发的人的图像来通过网络,就会查到一个大多数女人的特征:长发。

那该有人问了,这还是不能知道图中的人是男是女啊,有的动物也是长发,比如马......

那我们再增加特征呗,10万张嘴的特征,10万张鼻子的特征等,只管往上加,每一个物种都有其共同特征和独有特征。

假如在人工智能里定义一个女人需要满足100个特征,那么在海量的图像里只要满足这100个我们定义的特征,那么她就是女人。

人工智能时代

艺术是否会成为解放人类的途径?


2017年李开复在《奇葩大会》上说50%的职业类型会被人工智能所代替。无可否认,伴随着人工智能的兴起,不论是体力劳动,还是智力劳动,人工智能都看似游刃有余。人们在被取代的失价中惶恐,那么,糅合了理性与感性蕴藏着人类丰富情感的艺术领域会是独属于人类的最后一片净土嘛?

这个问题没有定论。我们知道艺术是需要创造力的,它要求我们追求美、发现美,在艺术创造中表达自己的情感。每个人都有自己独特的审美和情感,但艺术却可以将不同人的情感链接。这种只可意会不可言传的魅力怎么能被人工智能所取代呢?

事实上,AI诞生以来,关于AI与艺术的思考和讨论就从来没有停止过,AI在艺术领域的探索也不断打破人们的视界。2016年到2017年,阿尔法狗相继战胜了李在石和柯洁;仿真机器人sophia可以与人自如交谈,甚至还能向人抛媚眼;人工智能写出的诗作与人类的诗作混杂在一起连专家都难以分辨;AI创作的小说都可以冲击日本的星新一文学奖;更让人感到吃惊的是就连绘画这种抽象的领域也有人工智能涉足,甚至形成了自己独特的风格。尽管现阶段AI的画作看上去还有些令人毛骨悚然,这可能是AI对自己认识的世界的表达,但谁也说不准,随着技术的发展,AI 可以创作出与人类情感相通的画作。

不过,在AI 没有发展到有独立情感之前,艺术仍然会是人类最独特的精神领域。AI 可以掌握庞大复杂的算法,可以识别人类面部的表情,能够将文字排列组合,也能模仿创造画作,但想拥有人的灵魂和思想,还只是个设想。

联发科x30、高通骁龙710

骁龙660和麒麟970,哪个更强悍?


从定性上讲:麒麟970>骁龙710>联发科x30>骁龙660。

从定量上讲

跑分仅作参考,下文从各核心的配置角度对其进行综合评比:

麒麟970配置:10nm工艺,CPU采用2.4GHZ 4xCortex A73+1.8GHz 4xcortex A53,GPU采用12核心的Mali-G72MP GPU架构性能优异,在网络基带上麒麟970的LTE Cat.18提出“准5g”网络的概念,下行最高1.2Gbps,在以上四种处理器中当之无愧排行第一。

骁龙710高通骁龙710在制造工艺同样采用10nm工艺,CPU为8核心的Qualcomm Kryo 360,GPU的型号是Adreno 616,网络基带为Cat13/15,峰值下载速率可达800 Mbps,虽然跟旗舰处理器麒麟970比起来尚有差距,但在中端CPU中出类拔萃。

联发科x30:这款处理器采用的是10核心CPU,10nm工艺,联发科的这款X30 是唯一支持高速三载波聚合 (下行速度达450Mbit / s)的处理器。在CPU上,x30内建 2.6GHz 双核心 ARM Cortex-A73 处理器+2.2GHz 四核心 ARM Cortex-A53 处理器+1.9GHz四核心ARM Cortex-A35 处理器。其GPU型号为MG PowerVR 7XTP,综合性能值得信赖。

骁龙660:在制造工艺上,属于普通的中端CPU高通骁龙660核心采用上一代14nm工艺加工,虽然同是8核心CPU,骁龙660的Qualcomm Kryo 260则弱于高通710的CPU,并且在GPU上骁龙660采用的是Adreno 515,相对于以上系列的GPU则较弱。相对于网络基带,骁龙660采用Cat13/12峰值下载速率弱势。

根据以上数据总结:

从工艺上讲:麒麟970=高通710=联发科x30>高通660;

从CPU上讲:麒麟970>高通710>联发科x30>高通660;

从GPU上讲:麒麟970>高通710 约= 联发科x30>高通660;

从网络基带上讲:麒麟970>高通710>高通660>联发科x30;

综合性能以及游戏体验和平台跑分:麒麟970>高通710>联发科x30>高通660,麒麟970作为旗舰处理器,在各方面碾压以上中端处理器。

/- 推荐阅读 -/


 高通向你抛出了一枚5G芯片,然后呢......


后摩尔定律时代扛旗者谁?浅谈芯片市场算力之争


罗永浩:我不跟骂TNT的人一般见识


镁客网

科技 | 人文 | 行业
微信ID:im2maker
长按识别二维码关注

硬科技第一产业媒体

提供最有价值的行业观察

登录查看更多
4

相关内容

人工神经网络(Artificial Neural Network,即ANN),它从信息处理角度对人脑神经元网络进行抽象,建立某种简单模型,按不同的连接方式组成不同的网络。在工程与学术界也常直接简称为神经网络或类神经网络。神经网络是一种运算模型,由大量的节点(或称神经元)之间相互联接构成。每个节点代表一种特定的输出函数,称为激励函数(activation function)。每两个节点间的连接都代表一个对于通过该连接信号的加权值,称之为权重,这相当于人工神经网络的记忆。网络的输出则依网络的连接方式,权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近,也可能是对一种逻辑策略的表达。
一份简明有趣的Python学习教程,42页pdf
专知会员服务
76+阅读 · 2020年6月22日
多模态深度学习综述,18页pdf
专知会员服务
214+阅读 · 2020年3月29日
深度神经网络实时物联网图像处理,241页pdf
专知会员服务
76+阅读 · 2020年3月15日
专知会员服务
199+阅读 · 2020年3月6日
【Google】利用AUTOML实现加速感知神经网络设计
专知会员服务
29+阅读 · 2020年3月5日
基于TensorFlow和Keras的图像识别
Python程序员
16+阅读 · 2019年6月24日
利用Python实现卷积神经网络的可视化
机器学习算法与Python学习
5+阅读 · 2018年3月30日
如何用Python和深度神经网络识别图像?
AI100
5+阅读 · 2018年1月8日
如何从Python起步学习AI
七月在线实验室
5+阅读 · 2017年11月28日
卷积神经网络如何进行图像识别?
AI前线
8+阅读 · 2017年9月22日
没错!卷积神经网络实现图像识别,就这么简单!
全球人工智能
20+阅读 · 2017年8月15日
人工神经网络算法及其简易R实现
R语言中文社区
18+阅读 · 2017年8月5日
人工神经网络
平均机器
15+阅读 · 2017年7月17日
Arxiv
11+阅读 · 2018年5月13日
VIP会员
相关资讯
基于TensorFlow和Keras的图像识别
Python程序员
16+阅读 · 2019年6月24日
利用Python实现卷积神经网络的可视化
机器学习算法与Python学习
5+阅读 · 2018年3月30日
如何用Python和深度神经网络识别图像?
AI100
5+阅读 · 2018年1月8日
如何从Python起步学习AI
七月在线实验室
5+阅读 · 2017年11月28日
卷积神经网络如何进行图像识别?
AI前线
8+阅读 · 2017年9月22日
没错!卷积神经网络实现图像识别,就这么简单!
全球人工智能
20+阅读 · 2017年8月15日
人工神经网络算法及其简易R实现
R语言中文社区
18+阅读 · 2017年8月5日
人工神经网络
平均机器
15+阅读 · 2017年7月17日
Top
微信扫码咨询专知VIP会员