|
模式识别是人工智能最早研究的领域之一。“模式”的原意是指供模仿用的完美无缺的一些标本。而在模式识别中，“模式”是指在一类事物中可被区分的、具有典型性的代表事物。代表事物可以是具体的、实在的事务，也可以是抽象的、理论的事务。模式识别一般是指应用电子计算机及外部设备对给定事务进行鉴别和分类，将其归入与之相同或相似的模式中。 今年来，随着深度学习方法的发展，模式识别精度越来越高，已经基本满足使用要求。针对不同的识别对象，模式识别技术有很多不同的应用方向，主要包括： 1．人脸识别：主要研究从照片、视频中区分人脸和背景物体，区分不同人的人脸，识别视频中人的运动状态和路径等。人脸识别是深度学习最先获得突破的一个方向。现在基于人脸识别技术的很多人工智能系统和产品已经实用化。 2．图形、图像识别：主要研究各种图形、图像（如文字、照片、医学图像、视频图像等）的处理和识别技术。利用这种技术开发出来的指纹识别、车牌识别、印刷体和手写体字符识别、X光片识别、遥感图像识别等系统也已经进入了实用化。这也是实现汽车无人驾驶的基础技术之一。 3．语音识别：主要研究各种语音信号的识别与翻译以及语音人机界面等。目前，语音识别技术比较成熟，计算机可以识别人类语音并将其转换成文本字符，有关软、硬件产品十分丰富。 4．信号识别：主要研究各种传感器信号，以识别、区分信号源。例如，对雷达、声呐、地震波、脑电波等信号的识别在军事、地质以及医学上都有重要应用。 5．染色体识别：识别染色体以用于遗传因子研究，识别及研究人体和其他生物的细胞。 6．计算机视觉：用于景物识别、三维图像识别，解决机器人的视觉问题，以控制机器人的行动。计算机视觉是模式识别的一个分支，但是，由于其研究内容的复杂性和重要性，一般都单独列为一门子学科。 模式识别的一般过程包括对待识别事物采集样本、数字化样本信息、提取数字特征、学习和识别。在深度学习出现之前，模式识别的核心就是特征提取和学习过程。这两点也是机器学习的研究重点。但是深度学习模型可以自动学习事物特征，实现了“端到端”式的学习过程，能够直接学习出从原始事物信号（图像）到目标的非线性映射，从而基本消除了人工特征提取过程。模式识别可以看作机器学习的应用研究。机器学习的任务之一就是让计算机能够正确辨识和分类不同事物。 【出处】鲍军鹏,张选平.人工智能导论（第2版）,机械工业出版社,2021年1月.
| 
发表于 2025-12-8 10:25:59
