基于圖像識別與生成技術的人工智能技術應用

司佳　陳思平　袁洲　仇亞駿

摘要：人工智能技術的快速發(fā)展，使得其在各領域中均有廣泛應用，為有效提高圖像識別效率，確保能夠在短時間內完成對海量圖片的信息搜索，保證能夠運用人工智能手段完成圖片內容識別與真?zhèn)巫R別等各項處理，學者加大了對人工智能技術在圖像識別以及生成技術中的應用研究力度，希望能夠利用人工智能技術優(yōu)勢，更好地完成圖像識別和生成任務，為各領域工作開展提供可靠技術支持，通過對人工智能技術應用基本情況的介紹，對基于圖像識別和生成技術的人工智能技術及其應用展開深度探討，旨在提升人工智能技術在圖像識別與生成中的應用水平，推動我國圖像識別與生成技術穩(wěn)定性發(fā)展。

關鍵詞：繪畫識別 ?筆跡識別 ?人工智能技術 ?神經網絡技術 ?圖像識別與生成技術

Application of Artificial Intelligence Technology Based on Image Recognition and Generation Technology

SI Jia??? CHEN Siping?? YUAN Zhou?? QIU Yajun

（Information and Communication Branch， State Grid Corporation of China， Beijing， 100053 China）

Abstract： The rapid development of artificial intelligence technology has led to its widespread application in various fields. In order to effectively improve the efficiency of image recognition， ensure that information search for massive images can be completed in a short time， and ensure that artificial intelligence methods can be used to complete various processes such as image content recognition and authenticity recognition， scholars have increased their research efforts on the application of artificial intelligence technology in image recognition and generation technology， hoping to utilize the advantages of artificial intelligence technology to better complete the task of image recognition and generation， and provide reliable technical support for the development of work in various fields. The article introduces the basic application of artificial intelligence technology and deeply explores artificial intelligence technology and its applications based on image recognition and generation technology， aiming to improve the application level of artificial intelligence technology in image recognition and generation， and promote the stable development of image recognition and generation technology in China.

Key Words： Painting recognition; Handwriting recognition; Artificial intelligence technology; Neural network technology; Image recognition and generation technology

人工智能技術屬于邊緣性學科，集心理學、哲學以及電子工程等各項學科于一體，整體技術應用相對較為智能，可以模仿人腦進行相關操作。為更好地完成圖像識別，確保能夠為筆跡、繪畫識別等各項工作開展提供可靠技術依據，技術人員加大了對人工智能技術在圖像識別和生成中的研究力度，希望依靠人工智能技術的強大力量，不斷完善圖像識別精準度和效率，保證最終生成圖像的質量，以便為相關工作開展提供有力支撐。

1 人工智能及其應用基本情況介紹

大量科學家在對人工智能進行研究過程中，對其定義做出了不同解釋，部分科學家認為，人工智能屬于知識學科內容，可以對知識的獲取與使用等進行表達，而另一部分學者認為，人工智能是研究如何使用計算機去做只有人才能夠展開的智能工作。這些研究內容直接反映了人工智能的基本內容與思想，表明人工智能是對人類智能活動規(guī)律進行研究，構造一定智能人工系統(tǒng)，進而利用計算機對人力才能勝任的工作進行研究，從而通過模擬人類某些智能行為而展開的相應活動。

人工智能屬于計算機學科重要分支，在20世紀70年代就屬世界上的尖端技術。經過多年的快速發(fā)展，人工智能已經在多領域學科中得到應用。目前，人工智能已經發(fā)展成為獨立分支，在理論和實踐方面已經形成獨立系統(tǒng)。

人工智能是研究利用計算機模擬人某些思維過程與智能行為的學科內容，是對計算機的高層次應用，涉及語言、計算機科學以及心理學等多項學科。從綜合角度而言，該學科涉及到了社會科學與自然科學中的所有學科內容，整體范圍相對較廣，已經遠超過計算機科學范疇，其和思維科學屬于實踐與理論的關系，在思維科學中，處于技術應用層次，屬于其應用重要分支。就思維層面而言，人工智能不僅要對邏輯思維進行考慮，同時還要對靈感思維與形象思維等內容進行分析和應用，而數學被認為是多學科的基礎科學內容，開始在思維領域與語言等領域進行應用，是人工智能需要借助的重要工具。在數學學科的支持之下，人工智能學科發(fā)展會得到有效推動，今后的人工智能技術也會變得更加智能和優(yōu)質。就現(xiàn)階段的人工智能技術應用來看，人工智能技術已經在多個領域中取得顯著進步，其中在圖像識別中對人工智能技術進行應用，將會成為本文接下來進行討論的重點。

2 人工智能技術與圖像識別

2.1 基本情況概述

圖像識別主要包括計算機圖像識別、人類圖像識別兩種形式，兩種形式在應用過程中并不存在本質區(qū)別，但計算機圖像識別技術在應用過程中并不會受到人類感官差異的影響，所以整體識別效率也相對較高。人類圖像識別技術的應用并不會單一依靠腦海中儲存圖像進行識別分析，會按照圖像識別特征分類，根據不同類別進行識別。人工智能技術屬于新型技術，是計算機科學以及其他科學發(fā)展的衍生物，將其應用到圖像識別之中，會為圖像識別帶來更加優(yōu)質的服務，能夠更好地適應時代發(fā)展，滿足具體應用要求。

2.2 常見圖像識別技術

2.2.1 神經網絡技術

神經網絡技術是現(xiàn)代較為常見的圖像識別技術，會以現(xiàn)有識別技術為基礎，通過融入神經網絡算法的方式，構建新型識別模式，完成對圖像的識別；會利用人工智能技術，通過對神經網絡的應用，構建特征分布網絡。與傳統(tǒng)圖像識別技術有所不同，該項識別技術的復雜度會更高，能夠在對圖像內部信息進行捕捉之后，通過利用神經網絡程序進行識別的方式，完成分類和各項操控，整體識別更加精準。在具體應用過程中，會在完成相應設計之后，展開神經網絡訓練，并會在識別過程中構建兩層網絡，完成隱含層、輸出神經元以及輸入層等內容的建設，會通過對不同節(jié)點數對于圖像識別產生影響的驗證，更好地完成識別操作。

2.2.2 模式識別技術

模式識別技術應用會通過構建模型的方式，利用計算機技術對數據信息進行識別，按照數學原理完成圖像特征分析，進而對識別內容作出客觀評價^[1]。模式識別分為實現(xiàn)和學習兩個階段。其中，學習過程屬于一種對于信息進行存儲的過程，會通過對需要識別圖像相關數據信息的采集和分析，按照相關規(guī)律展開識別操作，進而完成對圖像內容的精準識別。由于這一過程容易受到外界因素和類似特征等因素的干擾，所以可能會出現(xiàn)誤判情況，需要不斷進行調整和改善。

2.2.3 非線性降維技術

非線性識別技術是高維模式識別手段，技術應用分辨率相對較高，能夠對分辨率較低圖像進行有效處理。在具體進行識別過程中，會產生多維度數據信息，達到對識別內容進行有效分析的效果，整體計算效率較為理想。該項技術應用具有較為突出的優(yōu)勢，能夠突出非線性降維形式，達到精準識別效果，可以降低高維度空間分布不均勻所造成的不良影響干擾，確保信息提取效率和準確性。

3 基于圖像識別與生成技術的人工智能技術應用

3.1 在筆跡識別中的應用

人工智能技術在生活以及生產等多個領域中均有涉及，而圖像識別和生成技術主要應用于司法鑒定和筆跡鑒定等各項工作之中?；趫D像識別和生成技術展開人工智能技術應用，需要對筆跡識別技術予以高度重視，利用人工智能技術完成筆記形態(tài)特征的分析和識別，通過對筆記字間距與筆畫粗細等各項內容的深度分析，提取個體筆跡特征，以便更好地完成筆跡鑒定。對筆跡真?zhèn)芜M行鑒定時，如果單純依靠專業(yè)人員分析，可能會存在工作量過大或分析容易受到人為因素干擾等問題，所以需要通過對人工智能技術的合理利用，利用圖像識別和生成技術，對筆跡信息進行全面研究，通過對其中各項數據信息進行提取的方式，判斷筆跡是否存在偽造行為，并且可以通過運用該項技術對名家筆記進行識別的方式，辨別相關作品的真?zhèn)巍?/p>

3.2 在繪畫識別中的應用

計算機在人類日常生活中的快速融入，使得開發(fā)者加大了對各種小游戲訓練模式的開發(fā)力度，游戲種類變得更加豐富，游戲數量也呈現(xiàn)出不斷增加的狀態(tài)。需要運用人工智能檢測技術對筆畫以及各項數據內容進行提取，從而完成對繪畫內容的鑒別。在開展訓練游戲時，可能有部分創(chuàng)作是由人工智能完成的，并且會在人們參與完訓練之后，對相關數據信息進行提取，以便實現(xiàn)對相關游戲的不斷調整和優(yōu)化^[2]。在具體進行識別時，會利用人工智能技術展開關鍵特征提取，完成對基本形態(tài)的掌握，做好數據庫內各項信息與畫中各項內容的匹配分析，進而給出精準判斷。雖然該項技術在應用過程中還存在一定問題，但隨著對于該項技術應用的不斷深入以及各種測試訓練的不斷加深，各種技術應用缺陷也在不斷得到調整，會使技術在繪畫識別中的應用變得更加智能。除上述幾點之外，還可利用人工智能技術，通過筆觸可判斷名畫真?zhèn)危鐖D1所示。

3.3 在實物識別中的應用

在現(xiàn)代社會中，有大量需要對實物進行識別的活動，而活動需求量的不斷增加，也使得各種技術應用得到了不斷改革與創(chuàng)新，開始成為成熟型技術應用模式。對基于圖像識別和生成技術的人工智能技術進行應用過程中，可以通過對信息技術的應用，完成人臉面部識別和分析，進而根據面部特征完成身份相關信息的獲取并確認，完成相關活動。此種方式可以用于火車站檢票與人員信息核查等類型工作，但在實際應用過程中可能會因為個體妝容或者妝發(fā)等方面因素的影響，出現(xiàn)無法識別的情況。在具體進行識別時，需要通過對人臉實時分割的方式，獲取人體面部的各項特征信息，并按照五官參數比例內容展開三維人臉驗證操作，確保能夠做好人臉識別技術的驗證，進而完成相應檢驗目標^[3]。該項技術在人臉解鎖以及人臉打卡等活動中均有著廣泛應用，并且在人臉識別付款等方面也有著不斷嘗試，為民眾的日常出行和生活帶來了極大的便利，但在進行人臉識別過程中，也需要注重人員數據信息保護，避免出現(xiàn)數據信息泄露問題，造成不良影響。

4 技術應用具體實例分析

為更好地對圖像識別與生成人工智能技術進行探究，在此將以某人臉識別技術為例，技術應用展開探討。

為更好的對人工智能技術進行應用，做好人臉特征提取和預測識別，某高校利用主成分分析（Principal Component Analysis，PCA）以及人工神經網絡等人工智能技術，對人臉特征進行了分類以及提取等一系列操作，通過生成對抗網絡的方式，展開手寫數字生成，并實施支持向量機（Support Vector Machines，SVM），獲得了精準的生成效果^[5]。PCA即主成分分析，也被稱為主分量分析，會通過對降維思維的應用，將多指標轉化為少數綜合指標，完成相關分析識別。在具體操作過程中，會對數據庫平均臉圖像進行分析，運用PCA實施人臉降維處理，設置每個維度特征臉圖像，并對所有維度代表人臉信息進行深度探討。

在獲取平均臉的數據時，會通過對數據庫上百張人臉進行儲存矩陣排列的方式，對每一行人臉作為一張進行特征提取，并對每一個維度進行平均處理，形成新行向量，完成平均臉設置。平均臉能夠對數據庫中上百張人臉平均特征進行清晰顯示，可以更加清晰地完成人臉輪廓的識別，但無法對局部細節(jié)進行直觀呈現(xiàn)。在獲得平均臉信息之后，需要降至不同維度，還原臉信息，確保圖像清晰度能夠得到有效提升，能夠有效縮小和原圖之間的差異。

為對不同維度代表人臉信息進行深度研究，需要對每一個特征向量進行單獨提取，通過進行人臉做還原處理的方式，確保能夠在還原過程中避免加入平均臉的情況，采用直方圖均衡化處理的方式，獲得相關數據信息。按照特征值，根據由大到小的順序進行逐一排列，完成對應特征向量人臉還原。

需要通過對各維度代表特征進行獲取的方式，對所得圖像進行觀察。研究發(fā)現(xiàn)，人臉模糊程度逐漸增加，在100維之后，已經無法對人臉進行辨認，表明前面維度能夠對大眾臉特征進行直觀反饋，而后面維度會對人臉不同細節(jié)進行呈現(xiàn)。會通過對支持向量機的應用，完成對人臉的分類，通過構建學習算法相關監(jiān)督學習模型的方式，對數據信息進行分析，完成模式識別，進而展開歸類分析以及分類操作。利用人工神經元網絡展開參數調節(jié)，完成對相關內容的分析。由于利用神經網絡進行參數調節(jié)，存在準確率變化相對較為復雜的問題，整體識別準確率還存在較大上升空間，所以還需要不斷對參數進行優(yōu)化。

技術人員通過生成對抗網絡的方式，構建深度學習模型，利用模型完成框架建設，展開判別模型以及生成模型的建設，根據GAN理論，擬合判別函數和相應生成^[6]，會通過對手寫數字圖片的應用，完成對抗網絡生成，展開訓練和手寫數字的生成，對每個數字進行5 000個樣本提取和訓練，構建訓練集。運用SVM對生成手寫數字實施分類，并從中選取想要生成的手寫字體，對已有數據進行挑選，完成5 000個訓練集數據的挑選和處理。通過在生成器以及識別器完成輸入層和輸出層等各項內容設置的方式，做好參數設定工作，利用SVM完成手寫數字的分類，進而設置正確類別，方便后續(xù)進行圖像分析。

綜上所述，在整體進行圖像識別和生成過程中，首先，會先運用PCA對原始數據展開降維處理，在保留原始主要信息的同時，嚴格控制算法執(zhí)行時間，保證識別效率。其次，會通過組合SVM二分類器的方式，生成多分類器展開人臉識別，整體識別準確度接近90%，在人工神經網絡的支持之下，分類準確度高達94%，能夠為后續(xù)識別奠定良好基礎。最后，會通過GAN生成相應手寫字體，對SVM實施正確分類，保證手寫數字的逼真程度，以便高質量完成識別任務。

5 結語

基于圖像識別與生成技術展開人工智能技術應用，會進一步加大對各種圖像信息的識別準確度，保證筆記以及繪畫等各項內容的識別，能夠更加精準、高效，但就目前該項技術整體發(fā)展情況來看，技術應用還是處于初級發(fā)展階段，無論是神經網絡技術應用，還是圖像識別精準度都存在有待提高之處，強調需要進一步加大對圖像生成技術的研究力度，通過不斷開發(fā)人工智能技術的方式，確保圖像識別和生成技術能夠得到有效完善，可以通過不斷創(chuàng)新和調整獲得最優(yōu)化應用模式，以便為相關工作開展奠定良好基礎。

參考文獻

[1]田楠楠.接受美學視域下的標志圖像智能設計研究與應用[D].無錫：江南大學，2022.

[2]謝慶，張煊宇，王春鑫，等.新一代人工智能技術在輸變電設備狀態(tài)評估中的應用現(xiàn)狀及展望[J].高壓電器，2022，58（11）：1-16.

[3]吳非，徐斯旸.人工智能技術應用與上市企業(yè)市場價值[J].現(xiàn)代經濟探討，2022（11）：77-92.

[4]馬俊.基于深度學習的辦公椅部件智能識別與生成研究[D].杭州：浙江理工大學，2022.

[5]李越茂，姚楓，宋佩珂.人工智能技術在電力行業(yè)的應用現(xiàn)狀和發(fā)展趨勢初探[J].電力勘測設計，2022（2）：59-64.

[6]唐文虎，牛哲文，趙柏寧，等.數據驅動的人工智能技術在電力設備狀態(tài)分析中的研究與應用[J].高電壓技術，2020，46（9）：2985-2999.