深度学习在人脸识别中的应用举例

3.2.1.1　认识深度学习

深度学习是一种能够模拟出人脑的神经结构的机器学习方式，从而能够让计算机具有人一样的智慧。其利用层次化的架构学习出对象在不同层次上的表达，这种层次化的表达可以帮助解决更加复杂抽象的问题。在层次化中，高层的概念通常是通过低层的概念来定义的，深度学习可以对人类难以理解的底层数据特征进行层层抽象，从而提高数据学习的精度。让计算机模仿人脑的机制来分析数据，建立类似人脑的神经网络进行机器学习，从而实现对数据进行有效表达、解释和学习，这种技术在将来无疑是前景无限的。

3.2.1.2　深度学习的应用

近几年，深度学习在语音、图像以及自然语言理解等应用领域取得一系列重大进展。在自然语言处理等领域主要应用于机器翻译以及语义挖掘等方面，国外的IBM、Google等公司都快速进行了语音识别的研究；国内的阿里巴巴、科大讯飞、百度、中国科学院自动化研究所等公司或研究单位，也在进行深度学习在语音识别上的研究。

深度学习在图像领域也取得了一系列进展。如微软推出的网站how-old，用户可以上传自己的照片估龄。系统根据照片会对瞳孔、眼角、鼻子等27个面部地标点展开分析，判断照片上人物的年龄（图3-8）。百度在此方面也做出了很大的成绩，由百度牵头的分布式深度机器学习开源平台日前正式面向公众开放，该平台隶属于名为“深盟”的开源组织，该组织核心开发者来自百度深度学习研究院（IDL）、微软亚洲研究院、华盛顿大学、纽约大学、中国香港科技大学、卡耐基·梅陇大学等知名公司和高校。

图3-8　人脸识别判断年龄

举例：德国用深度学习算法让人工智能系统学习凡·高画名画。

2015年8月26日，德国一个综合神经科学研究所用深度学习算法让人工智能系统学习凡·高、莫奈等世界著名画家的画风绘制新的人工智能世界名画。他们在视觉感知的关键领域，如物体和人脸识别等方面有了新的解决方法，这就是深层神经网络。基于深层神经网络的人工智能系统提供了绘画模仿，提供了神经创造艺术形象的算法，用以理解和模拟人类去创建和感知艺术形象。该算法是卷积神经网络算法，模拟人类大脑处理视觉时的工作状态，在目标识别方面较其他可用算法甚至人类专家更好。

图3-9（A图片）是德国一个小镇的原始照片，图3-10～图3-12的左下角显示的是名画原作，右侧是人工智能学习后变形的A图片效果。(www.xing528.com)

图3-9　德国小镇一瞥

图3-10　特纳弥诺陶洛斯的沉船风格的小镇

图3-11　凡·高的星夜风格的小镇

图3-12　爱德华·蒙克的呐喊风格的小镇

以上这些图像结合一些著名的艺术绘画风格，这些图像被创建时，首先学习艺术品的内容表示和风格表示，然后应用在给定的图片A中，并进行重新排列组合进行相似性视觉对比绘画，形成人工智能版的世界名画。