周巍

關(guān)鍵詞：圖像識(shí)別技術(shù);工業(yè)設(shè)計(jì);信息交互;應(yīng)用

1 相關(guān)理論簡(jiǎn)述

1.1 信息交互的概念

信息交互主要是指人類與人類之間、人類與物體之間通過各種各樣的手段來完成不同信息的傳遞，進(jìn)而實(shí)現(xiàn)交互的目的。具體而言便是自然以及社會(huì)之中各類資料、數(shù)據(jù)、情報(bào)以及技術(shù)知識(shí)能夠通過某種載體來完成及時(shí)的傳遞和交流，而信息交互屬于一種文字信息載體[1]。當(dāng)代社會(huì)科學(xué)技術(shù)水平有了長(zhǎng)足的進(jìn)步，各類數(shù)字產(chǎn)品應(yīng)運(yùn)而生，不同于實(shí)際產(chǎn)品對(duì)于外觀樣式的高度重視，數(shù)字產(chǎn)品主要是對(duì)用戶的目的及行為較為關(guān)注，并基于此來實(shí)現(xiàn)信息交互，進(jìn)而使用戶能夠收獲上佳的體驗(yàn)。隨著時(shí)代的不斷變遷，信息交互已經(jīng)由傳統(tǒng)的工具以及武器演變成了有著復(fù)雜工藝的各類先進(jìn)設(shè)備，最為常見的便是通過互聯(lián)網(wǎng)所提供的便利來實(shí)現(xiàn)信息交互。

1.2 圖像識(shí)別技術(shù)的概念

圖像識(shí)別技術(shù)主要是指通過計(jì)算機(jī)來處理、分析以及理解圖形，進(jìn)而在不同模式之下完成既定目標(biāo)的一種技術(shù)。是基于深度學(xué)習(xí)算法的實(shí)踐應(yīng)用。圖像識(shí)別技術(shù)主要包含了人臉識(shí)別以及商品識(shí)別兩種技術(shù)。其中人臉識(shí)別主要被應(yīng)用于身份驗(yàn)證、安全檢查以及移動(dòng)支付領(lǐng)域;商品識(shí)別則是被應(yīng)用于對(duì)各類商品進(jìn)行流通之時(shí)，尤其是智能零售柜以及無人收貨等領(lǐng)域。在進(jìn)行圖像識(shí)別時(shí)，主要有以下幾個(gè)流程：采集圖像、預(yù)處理圖像、提取圖像特點(diǎn)、實(shí)現(xiàn)圖像識(shí)別。當(dāng)前市場(chǎng)中應(yīng)用較為廣泛的圖像識(shí)別軟件主要有國(guó)外的有康耐視以及國(guó)內(nèi)的海深科技、圖智能等。

2 圖像識(shí)別技術(shù)在工業(yè)設(shè)計(jì)信息交互中的應(yīng)用意義

設(shè)計(jì)可以彌補(bǔ)科技和人之間的缺口，設(shè)計(jì)是能夠?qū)⑶楦校ㄐ缕娓小ⅹ?dú)立感、安全感、感性、信心、力量感）、人機(jī)工程（易用性、安全性、舒適性）、美學(xué)（視覺、聽覺、嗅覺、觸覺）結(jié)合起來的因素[2]?！凹夹g(shù)”指的是采用先進(jìn)的技術(shù)或加工質(zhì)量很高的傳統(tǒng)性技術(shù)，為產(chǎn)品賦予足夠的功能，使產(chǎn)品持續(xù)正常工作，并保持良好的技術(shù)能力。在進(jìn)行工業(yè)設(shè)計(jì)時(shí)，相關(guān)人員會(huì)根據(jù)自身的經(jīng)驗(yàn)以及視覺感受來讓產(chǎn)品在材料、形態(tài)、結(jié)構(gòu)、裝飾、色彩以及表面加工等方面有著全新的品質(zhì)，并且通過各類宣傳、展示以及包裝等手段來對(duì)產(chǎn)品的視覺效果進(jìn)行評(píng)價(jià)。就本質(zhì)而言，工業(yè)設(shè)計(jì)并不是最終的目的，而是為了實(shí)現(xiàn)人類其它目的而使用信息交互的一種手段。圖像識(shí)別在機(jī)器視覺工業(yè)領(lǐng)域中最典型的應(yīng)用就是二維碼的識(shí)別，二維碼就是我們平時(shí)常見的條形碼中最為普遍的一種。將大量的數(shù)據(jù)信息存儲(chǔ)在這小小的二維碼中，通過條碼對(duì)產(chǎn)品進(jìn)行跟蹤管理，可以方便的對(duì)各種材質(zhì)表面的條碼進(jìn)行識(shí)別讀取，大大提高了現(xiàn)代化生產(chǎn)的效率。由此能夠看出，圖像識(shí)別技術(shù)應(yīng)用于工業(yè)設(shè)計(jì)信息交互之中，能夠有效提升信息交互質(zhì)量及效率，保證工業(yè)設(shè)計(jì)所獲取的信息更為準(zhǔn)確，為后續(xù)工業(yè)設(shè)計(jì)產(chǎn)品的誕生奠定堅(jiān)實(shí)的基礎(chǔ)[3]。

3 圖像識(shí)別技術(shù)在工業(yè)設(shè)計(jì)信息交互中的應(yīng)用思路

當(dāng)前工業(yè)設(shè)計(jì)已經(jīng)融入了人們?nèi)粘Ｉ钪械牟煌I(lǐng)域，有著較為廣泛的應(yīng)用范圍。例如，設(shè)計(jì)普通工業(yè)用品、設(shè)計(jì)交通運(yùn)輸工具、設(shè)計(jì)商業(yè)廣告形式、設(shè)計(jì)各類建筑等。工業(yè)設(shè)計(jì)將工業(yè)自身與各類技術(shù)以及設(shè)計(jì)進(jìn)行了高度的融合，讓民眾的生活水平有了較大幅度的提升，并且勞動(dòng)生產(chǎn)率也有了長(zhǎng)足的進(jìn)步，人們的文化視野也有所豐富。但其中依然存在著一定的問題，例如部分工業(yè)產(chǎn)品的設(shè)計(jì)與制造效率較低，產(chǎn)品的合格率不符合相關(guān)標(biāo)準(zhǔn)，產(chǎn)品品相不滿足人們的基本需求等。而通過圖像識(shí)別技術(shù)的應(yīng)用，則能夠有效解決這類問題，相關(guān)人員在進(jìn)行工業(yè)設(shè)計(jì)時(shí)能夠?qū)⒆陨淼南敕w現(xiàn)在產(chǎn)品之中，從而帶給用戶更具個(gè)性化的產(chǎn)品體驗(yàn)。具體而言，圖像識(shí)別技術(shù)在工業(yè)設(shè)計(jì)信息交互中的應(yīng)用主要有以下幾個(gè)方面：

3.1 圖像識(shí)別技術(shù)應(yīng)用于工業(yè)產(chǎn)品的外觀設(shè)計(jì)

圖像識(shí)別技術(shù)最為重要的作用便是更為便捷地完成人類與產(chǎn)品之間的交互，而將其應(yīng)用于外觀設(shè)計(jì)之中，有效提升交互的效率及效果。最為典型的便是2017 年所發(fā)布的iPhone X 手機(jī)，其將圖像識(shí)別技術(shù)作為了其中的核心技術(shù)，手機(jī)的外觀屏幕采用了異型曲面屏，并且在屏幕中存在著一定的開孔，這樣一來就能夠嚴(yán)格遵循相應(yīng)的交互邏輯，進(jìn)而實(shí)現(xiàn)人臉支付等一系列的功能。在該手機(jī)中的圖像識(shí)別技術(shù)主要流程是對(duì)人臉進(jìn)行識(shí)別、對(duì)面部的特征進(jìn)行提取、對(duì)信息進(jìn)行對(duì)比分析進(jìn)而得出結(jié)論[4]。手機(jī)的人臉識(shí)別技術(shù)不同于普通手機(jī)，其開孔部位存在著紅外攝像頭、深感攝像頭以及泛光感應(yīng)元件，還有前置攝像頭與點(diǎn)陣投影器。依次經(jīng)過紅外拍臉，結(jié)構(gòu)光與點(diǎn)陣投影器獲取3D 精確模型，轉(zhuǎn)化為數(shù)學(xué)表達(dá)式，存入手機(jī)的安全區(qū)域。通過這樣的方式能夠讓產(chǎn)品的安全性得以提升，并且讓圖像識(shí)別技術(shù)和工業(yè)設(shè)計(jì)進(jìn)行了更為深入的融合，這樣一來工業(yè)設(shè)計(jì)方案能夠更為便捷地實(shí)現(xiàn)，工業(yè)設(shè)計(jì)人員也能夠找到全新的延展方向。

3.2 圖像識(shí)別技術(shù)應(yīng)用于工業(yè)產(chǎn)品的傳播與推廣

工業(yè)設(shè)計(jì)的目的是通過信息交互來全面了解用戶的實(shí)際需求，進(jìn)而不斷地對(duì)現(xiàn)有的產(chǎn)品進(jìn)行完善。而要想有效提升信息交互質(zhì)量，就必須做好工業(yè)產(chǎn)品的傳播與推廣。通過圖像識(shí)別技術(shù)的應(yīng)用，讓相關(guān)人員對(duì)用戶的實(shí)際情況以及周圍的使用環(huán)境有一個(gè)全方位的了解，進(jìn)而在產(chǎn)品形式設(shè)計(jì)以及內(nèi)容設(shè)計(jì)方面進(jìn)行創(chuàng)新，以此來不斷提升工業(yè)產(chǎn)品在市場(chǎng)中的占有率。較為典型的例子便是二維碼系統(tǒng)[5]，在掃描大部分工業(yè)產(chǎn)品所附帶的二維碼之后，系統(tǒng)經(jīng)過用戶同意便可獲取用戶所在的地址及偏好等特征，進(jìn)而通過統(tǒng)計(jì)分析得出平均結(jié)果，從而為設(shè)計(jì)人員后續(xù)的設(shè)計(jì)方向提供理論上的參考。

3.3 圖像識(shí)別技術(shù)應(yīng)用于工業(yè)設(shè)計(jì)的圖像分類

3.3.1 對(duì)圖像進(jìn)行細(xì)粒度分類

這是在分類的基礎(chǔ)上進(jìn)行的基本分類，還有更為詳細(xì)的子分類，如鳥類種類、汽車樣式、犬類品種等。目前，在行業(yè)和現(xiàn)實(shí)生活中有著廣泛的業(yè)務(wù)需求和應(yīng)用場(chǎng)景。與粗粒度圖像相比，細(xì)粒度圖像具有更為相似的外觀和特征，并且在采集過程中存在姿態(tài)、透視、光照、遮擋和背景干擾等問題，導(dǎo)致類間差異大、類內(nèi)差異小的現(xiàn)象，使得分類更加困難。

3.3.2 多標(biāo)簽圖像分類

在現(xiàn)實(shí)生活中，圖像往往包含多個(gè)類別的對(duì)象。多標(biāo)簽圖像分類可以同時(shí)判斷圖像中是否包含這些內(nèi)容，從而更好地解決現(xiàn)實(shí)生活中的問題。單標(biāo)簽圖像分類是指每幅圖像對(duì)應(yīng)一個(gè)類別標(biāo)簽。根據(jù)目標(biāo)分類的個(gè)數(shù)，單標(biāo)簽圖像分類可分為兩類和多類。多標(biāo)簽圖像分類主要采用圖像識(shí)別技術(shù)中的多標(biāo)簽決策樹算法。該算法利用決策樹技術(shù)處理多標(biāo)簽數(shù)據(jù)，基于多標(biāo)簽熵的信息增益準(zhǔn)則遞歸構(gòu)造決策樹。樹結(jié)構(gòu)包括非葉節(jié)點(diǎn)、分支和葉節(jié)點(diǎn)。采用決策樹模型進(jìn)行分類時(shí)，特征屬性由非葉節(jié)點(diǎn)表示，特征屬性在一定范圍內(nèi)的輸出由非葉節(jié)點(diǎn)之間的分支表示，類別由葉節(jié)點(diǎn)存儲(chǔ)。其計(jì)算思想是：首先計(jì)算每個(gè)特征的信息增益，選擇增益最大的特征將樣本分成左右兩個(gè)子集，進(jìn)行遞歸直至滿足停止條件，構(gòu)造決策樹。對(duì)于新的測(cè)試樣本，沿著根節(jié)點(diǎn)到葉節(jié)點(diǎn)遍歷一條路徑，并計(jì)算葉節(jié)點(diǎn)樣本子集中每個(gè)標(biāo)簽為0 和1 的概率。如果概率超過0.5，則包括標(biāo)簽。在遍歷到不同葉節(jié)點(diǎn)的所有路徑之后，可以確定所有標(biāo)簽信息。

目前，圖像分類的任務(wù)在很大程度上依賴于監(jiān)督學(xué)習(xí)，即每個(gè)樣本都有相應(yīng)的標(biāo)簽。通過深層神經(jīng)網(wǎng)絡(luò)，我們可以不斷學(xué)習(xí)每個(gè)標(biāo)簽對(duì)應(yīng)的特征，最終實(shí)現(xiàn)分類。在這種情況下，數(shù)據(jù)集的容量和標(biāo)簽的質(zhì)量往往對(duì)模型的性能起著決定性的作用。

3.3.3 無監(jiān)督圖像分類

如果將神經(jīng)網(wǎng)絡(luò)視為在軌道上運(yùn)行的F1 賽車，則數(shù)據(jù)集是為其持續(xù)提供動(dòng)力的能量。如果沒有高質(zhì)量的數(shù)據(jù)集作為基礎(chǔ)，就無法驅(qū)動(dòng)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。

高質(zhì)量的數(shù)據(jù)集自然會(huì)給注釋帶來困難。據(jù)統(tǒng)計(jì)，在一幅圖像中標(biāo)注一個(gè)對(duì)象類別大約需要2 到3 秒鐘。然而，在實(shí)際應(yīng)用中，數(shù)據(jù)集往往包含數(shù)萬幅圖像，因此整個(gè)標(biāo)注過程將變得異常漫長(zhǎng)。特別是在細(xì)粒度分類和多標(biāo)簽分類任務(wù)中，標(biāo)簽代價(jià)隨著目標(biāo)數(shù)目和識(shí)別難度的增加呈指數(shù)增長(zhǎng)。

無監(jiān)督圖像分類主要采用PCA 和t-SNE 算法。PCA（PrincipalComponent Analysis）算法是機(jī)器學(xué)習(xí)領(lǐng)域中一種典型的旋轉(zhuǎn)數(shù)據(jù)集方法，其旋轉(zhuǎn)特征不具有統(tǒng)計(jì)相關(guān)性。通過數(shù)據(jù)集的旋轉(zhuǎn)，我們可以根據(jù)新特征的重要性構(gòu)造子集來解釋數(shù)據(jù)，從而構(gòu)造新的數(shù)據(jù)集表示。作為近年來廣泛應(yīng)用的數(shù)據(jù)分析算法，t-SNE 的主要思想是尋找數(shù)據(jù)的二維表示，并盡可能保持?jǐn)?shù)據(jù)點(diǎn)之間的距離，然后盡量使原始特征空間中較近的點(diǎn)更近，而原始特征空間中較遠(yuǎn)的點(diǎn)更遠(yuǎn)。它關(guān)注的是彼此距離較近的點(diǎn)，而不是較遠(yuǎn)的點(diǎn)。原則上，上述兩種數(shù)據(jù)集轉(zhuǎn)換方法復(fù)雜度較高，且算法目標(biāo)過于明確，使得抽象的低維數(shù)據(jù)中不存在二次信息，而這些二次信息可能是區(qū)分更高層次數(shù)據(jù)的主要因素。因此，這兩種算法大多用于網(wǎng)絡(luò)訓(xùn)練前的數(shù)據(jù)預(yù)處理階段，為后續(xù)的操作提供相應(yīng)的先驗(yàn)知識(shí)。

4 結(jié)語

綜上所述，圖像識(shí)別技術(shù)已經(jīng)被應(yīng)用到生活中的各個(gè)領(lǐng)域，對(duì)于工業(yè)設(shè)計(jì)而言能夠有效保障信息交互效果，讓設(shè)計(jì)人員認(rèn)識(shí)到不斷變化的用戶需求，進(jìn)而合理調(diào)整設(shè)計(jì)方案，這樣一來用戶的體驗(yàn)也會(huì)更佳。