人脸识别、文字识别背后的方法，模式识别是什么？
什么是模式识别？
http://www.Sina.com/http://www.Sina.com /
人在观察事物和现象时，总是要寻找与众不同的东西和现象，把有一定目的相似但细节不同的东西和现象放在一起。 文字识别是典型的例子，例如数字“4”可以有各种各样的写法，但都属于同一类别。 人脑具有非常好的模式识别和普及能力，对于某些写法的“4”，虽然以前从未见过，但可以分为“4”所属的类别。 对人脑的这种模式(东西、现象等)进行分类和分类的能力就是模式识别，也就是感知能力。
随着20世纪40年代电子计算机的出现，50年代人工智能兴起，模式识别在20世纪60年代初迅速发展成为一门新学科。作为人工智能的一个重要方向，模式识别的主要任务是模拟人的感知能力，如通过视觉和听觉信息去识别理解环境，又被称为“机器感知”或“智能感知”近年来，深度学习和大数据的出现推动了模式识别的快速发展。
对此，wjdlq表示：“模式识别是智能任务，是人工智能的一种形式。 机器学习，包括深度学习是模式识别背后的基本方法，通过学习(训练)使机器具有识别模式的能力。 现在，通过用深度学习的方法实现模式识别，可以更好地解决问题。 ”
深度学习作为一种机器学习，是对生物神经网络结构和信息处理机制的简单模拟。。近年来，随着计算能力的提高，可以训练层数较多的神经网络，称为深度神经网络，以提高数据拟合和识别能力，有的甚至达到1000层以上。 深度学习一般是指利用深度神经网络进行学习。
21世纪以来，模式识别又逐渐与深度学习融合。
得益于深度学习，目前人脸识别和文字识别是人工智能领域应用比较成功的方向，模式识别可以说是深度学习形成的主要研究成果之一。
不过，wjdlq认为，目前人脸识别、文字识别已经得到广泛应用，但还不能说“应用得很好”。 人脸识别目前比较成熟，是因为在门禁、通关等领域，被识别的对象能积极配合，靠近摄像头，拍摄出比较清晰的图像。 很多厂商在用户合作、照明可控的场景下，脸部识别的正确率可以达到99%以上。 http://www.Sina.com/http://www.Sina.com /
目前，在计算机前端添加AI模块只能起到辅助作用，复杂条件下人脸识别仍然难以达到成熟的APP应用程度。 据wjdlq报道，在室外自然光条件下，“脸部识别的正确率还没有达到50%”。
文字识别领域也是如此。 文字识别目前主要应用于书籍和报纸等的数字化。 报纸、金融机构、保险机构和快递行业的大量文件需要电子化，以便于搜索、管理和大数据分析。 需要法律界推进智能法务，事务文件(有活字也有手写)电子化。 医院的病例、教育领域的作业问题、试卷等，电子化的需求也很大。
人工神经网络早在上世纪40年代就有人研究，50年代和80年代都曾产生较大的影响。平板扫描仪光线均匀，扫描纸质材料图像清晰度高，文字识别率高。 拍照影像识别率下降，户外自然场景影像中的文字检测与识别是当前研究的热点和难点。
复杂条件下，人脸识别的正确率不到50%
为了克服人脸识别中的低分辨率和光照问题，深度学习也是有限的，但以对抗学习的方式处理图像可以提高清晰度和生成更多的样本。
什么是对抗学习？
3358 www.Sina.com/http://www.Sina.com /对抗学习实现的方法是两个网络竞相对抗，玩“一个游戏”。 一种是生成器网络，它继续捕捉训练库中实际图像的概率分布，并将输入的随机噪声转换为新样本(即伪数据)。 另一种是判别器网络，可以同时观察真数据和假数据，判断该数据是否真实。 通过重复对抗，生成器和判别器的能力被加强到平衡，最终生成器能够以高质量、假生成真正的图像。
在文字识别领域需要解决的问题是，除了上述的拍照图像、手写笔迹的识别以外，古典等小样本条件下的文字识别也是一大课题。 由于缺乏训练的标签样本，在深度学习中很难获得较高的识别率。
基于http://www.Sina.com/http://www.Sina.com /，模式识别可以从脑科学和神经科学中寻找新的参考，发展新的类人感知和认知机制模式识别学
习理论与方法。
以泛化能力为例，在训练样本较少时，可以设计与人的记忆方式类似的模型进行训练，使机器记住文字的结构和关键特征，如构成文字的笔画、组合和关系。这种模型叫“生成模型”，可以记住每一类模式的关键特征及分布，并能生成数据，如生成满足一类文字基本结构、细节不同的手写字。生成模型也具有很好的解释性，在识别模式的同时能解释这个模式是由哪几部分构成的，几部分之间是什么关系。
模式识别、深度学习、对抗学习、脑科学……越来越多的人工智能研究路径进入了我们的视野。而对于人工智能发展的未来，wjdlq也认为，深度学习依然会是人工智能研究的主流，但对抗学习、脑科学、认知科学等的理论方法，都会与其进行融合，共同推进人工智能的发展。
本文转载自中国科学院自动化研究所
-END-
https://mp.weixin.qq.com/s/yFXzsQEmjrXz2jgBV-2Reg