智能制造全生命周期生态服务平台

首页> 项目申报> 资讯详情

生物识别+人工智能 让数据会说话

来源 : 电子发烧友网 2018-07-23 17:39    阅读量:0   

 

人工智能中深度学习的运行,不外乎分为两个部分。一个是通过大量的数据样本来训练神经网络,第二个是训练好后在系统中进行推理。在推理的过程中,不断积累一些数据,反过来再不断修改神经网络,进一步把结果提升。

生物识别+人工智能 让数据会说话0

生物识别+人工智能 让数据会说话

生物识别技术为人工智能提供大数据来源

生物识别通过高科技手段利用人体固有的生理特性,如指纹、人脸、虹膜等以及行为特征包括笔迹、声音、步态等进行身份鉴定,身份识别的前提是信息收集。百度深度研究院专家指出,没有数据采集,数据整理、研究和分析,人工智能无从谈起。

因此可以说生物识别作为生物特征收集和感知的重要载体,通过生物识别采集数据是人工智能应用的重要一环。随着数据库的不断积累、算法进一步优化,人工智能将拓展到更多应用领域,并带动多个产业发展。

另外,一直以来,行业内都存在质疑算法能力的说法,都认为算法最终会遇到天花板,未来发展会有瓶颈期。但事实证明,这种说法是站不住脚的。以AlphaGo与Alphazero的比较来看,算法的前景是无法估量。随着数据库的积累、算法将不断优化。

人工智能算法演进拓展生物特征识别的应用领域

正如依图科技罗忆所言"正是由于算法性能的不断深入,针对安防行业带来的变化以及应用场景都在呈现几何级数的增长。以前由于算法精度达不到,某些场景下应用是无法实现的,随着算法技术越深入,能应用场景就会越多。"也正是由于算法的精进,生物特征识别技术的识别能力不断提升,其应用的领域也将不断拓展。

以人脸识别为例,早期的人脸识别探索主要依靠一些手工标定的几何特征(比如眼镜、嘴巴等器官的位置、距离)进行分类,实用的成果较少。目前,随着算法性能的不断深入,国内外大部分的人脸识别团队算法识别准确率(在LFW数据集上)超过99%,其中既有百度、Google、腾讯这样的互联网巨头,也有安防监控领域硬件制造商海康威视大华股份、天地伟业等,也有人工智能初创企业依图科技、云天励飞以及云从科技等,这些团队的结果都得益于深度学习算法。毫无疑问,深度学习成为目前人脸识别领域最主流的研究方向。

这其中数据成为提升人脸识别算法性能的关键因素,很多应用更加关注低误报条件下的识别性能,比如支人脸支付需要控制错误接受率在0.00001之内,因此以后的算法改进也将着重于提升低误报下的识别率。对于安防监控而言,可能需要控制在0.00000001之内(比如几十万人的注册库)。

随着技术的日益进步,人脸识别必将更多的走进每个人的日常生活,比如越来越多的银行与券商借助人脸识别进行身份核实,大大提高了工作效率;基于人脸识别的社保领取,方便了大批行动不便的老人;证件照查重、嫌疑犯检索协助公安机关破案。然而必须认识到的是,目前的人脸识别技术远远没有达到足以应用到任意场景的程度,尤其是对安全性要求、识别率要求很高的场景下。过度宣传"识别率达到99%""识别率超过人类"之类的内容并不利于人脸识别的长远发展。

声明: 本网站原创内容,如需转载,请注明出处;本网站转载内容(文章、图片、视频等资料)的版权归原网站所有。如我们转载或使用了您的文章或图片等资料的,未能及时和您沟通确认的,请第一时间通知我们,以便我们第一时间采取相应措施,避免给双方造成不必要的经济损失或其他侵权责任。如您未通知我们,我们有权利免于承担任何责任。 我们的联系邮箱:news@cecb2b.com。

好文章,需要你的鼓励!
分享到:
参与评论
剩下299
热门搜索
相关问答
中发智造自媒体
微信公众号
头条公众号
微博公众号
最新最热 行业资讯
订阅栏目 效率阅读