超深度學(xué)習在人臉識別中的應用優(yōu)勢

　　作者：中國嵌入式系統產(chǎn)業(yè)聯(lián)盟副理事長(cháng)兼秘書(shū)長(cháng) 郭淳學(xué)

      當前人臉識別算法普遍采用由國外大公司壟斷的深度學(xué)習(Deep Learning DL)算法。如將新一代人工智超深度學(xué)習算法(Super Deep Learning SDL)應用于人臉識別中，將會(huì )顛覆常規的人臉識別算法，創(chuàng )新出高準確率的新一代人臉身份識別系統。

　　作為當前人工智能主流算法的深度學(xué)習(DL)，在人臉識別中的應用存在如下問(wèn)題：

　　1. 深度學(xué)習(DL)算法屬于概率映射模型，需要將隨機變量的所有狀態(tài)映射到數據集中，然而在人臉識別的應用中識別對象的學(xué)習數據有限，不能很好的發(fā)揮深度學(xué)習的作用。

　　2.深度學(xué)習(DL)模型是基于傳統的神經(jīng)網(wǎng)絡(luò )技術(shù)，在數據訓練上需要用窮舉法，但人臉識別不可能達到無(wú)窮次訓練獲得最佳解。因此，深度學(xué)習模型存在著(zhù)黑箱問(wèn)題，使系統不透明。

　　3.深度學(xué)習(DL)的應用效果主要依賴(lài)于數據集的規模，擴大數據集的規模要增加網(wǎng)絡(luò )中間層的數量，因每增加一中間層，系統復雜度要增加一個(gè)指數，所以增加數據集的規模有限。

　　4.深度學(xué)習(DL)在人臉識別中僅對人臉的五官位置的不同抽出特征。由于復雜的動(dòng)態(tài)場(chǎng)景，圖像失真嚴重，圖像精度有限、五官位置表達人臉的全部信息不足等原因，常出現識別錯誤。

　　針對深度學(xué)習(DL)存在的缺陷研制的新一代人工智能超深度學(xué)習(SDL)模型，引用目標函數概率分布的模型，將深度學(xué)習(DL)對目標函數的隨機分量需用百萬(wàn)次的訓練，改變?yōu)橹煌ㄟ^(guò)5—10次小數據訓練，就可把人臉識別的特征信息抽出。將系統不透明存在的黑箱問(wèn)題，改變?yōu)橄到y可分析，不存在黑箱問(wèn)題的模型。將深度學(xué)習系統需要龐大的硬件支持、處理效率低狀況，改變?yōu)橄到y只需要較少硬件支持、還提高處理效率，可以大大節省硬件費用和空間。

　　超深度學(xué)習(SDL)模型導入一種即可增加特征向量的數據規模，是不會(huì )導致系統復雜度提高很多的新一代的人工智能模型。對人臉識別特征抽出不僅在空域上，同時(shí)在時(shí)域上也進(jìn)行高密度的信息抽出，這就很容易獲得深度學(xué)習(DL)的人臉識別達不到的：復雜動(dòng)態(tài)場(chǎng)景下人臉識別高有效檢出率和復雜動(dòng)態(tài)場(chǎng)景下更正確識別率等高水準的技術(shù)性能。

　　智慧城市、智慧園區、公安、安保等信息化建設正在推動(dòng)高準確度人臉身份識別系統市場(chǎng)快速增長(cháng)。同時(shí)，替換已經(jīng)安裝使用、但準確度達不到發(fā)展需求的人臉身份識別系統的數量也在大量增長(cháng)。而且，用戶(hù)對識別準確度和超短時(shí)間識別需求也會(huì )不斷提高。因此，高準確度的人臉識別技術(shù)在人臉身份識別系統的研制工作中，會(huì )有很大的發(fā)展空間和很高的經(jīng)濟效益前景。高準確度人臉身份識別系統的廣泛應用，因在快速尋找人、核查人的效率和準確方面的突出功效，也將會(huì )產(chǎn)生非常大的政治和社會(huì )效益。

　　值的一提的是，這一創(chuàng )新的人臉識別技術(shù)采用的是新一代人工智能超深度學(xué)習(SDL)算法，該算法與當前人工智能主流算法深度學(xué)習(DL)一樣是人工智能的通用算法，因此，可以廣泛應用在人臉識別以外的許多人工智能項目中。所以，如果新一代人工智能超深度學(xué)習(SDL)算法的效果得到確認，不僅對我國的人臉識別應用是一個(gè)巨大的貢獻，也將在世界新一代人工智能領(lǐng)域中樹(shù)立起我國自主知識產(chǎn)權的人工智能算法的主導地位，其意義也將會(huì )十分重大。