超深度學習在人臉識別中的應(yīng)用優(yōu)勢

　　作者：中國嵌入式系統(tǒng)產(chǎn)業(yè)聯(lián)盟副理事長兼秘書長 郭淳學

      當前人臉識別算法普遍采用由國外大公司壟斷的深度學習(Deep Learning DL)算法。如將新一代人工智超深度學習算法(Super Deep Learning SDL)應(yīng)用于人臉識別中，將會顛覆常規(guī)的人臉識別算法，創(chuàng)新出高準確率的新一代人臉身份識別系統(tǒng)。

　　作為當前人工智能主流算法的深度學習(DL)，在人臉識別中的應(yīng)用存在如下問題：

　　1. 深度學習(DL)算法屬于概率映射模型，需要將隨機變量的所有狀態(tài)映射到數(shù)據(jù)集中，然而在人臉識別的應(yīng)用中識別對象的學習數(shù)據(jù)有限，不能很好的發(fā)揮深度學習的作用。

　　2.深度學習(DL)模型是基于傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)技術(shù)，在數(shù)據(jù)訓練上需要用窮舉法，但人臉識別不可能達到無窮次訓練獲得最佳解。因此，深度學習模型存在著黑箱問題，使系統(tǒng)不透明。

　　3.深度學習(DL)的應(yīng)用效果主要依賴于數(shù)據(jù)集的規(guī)模，擴大數(shù)據(jù)集的規(guī)模要增加網(wǎng)絡(luò)中間層的數(shù)量，因每增加一中間層，系統(tǒng)復(fù)雜度要增加一個指數(shù)，所以增加數(shù)據(jù)集的規(guī)模有限。

　　4.深度學習(DL)在人臉識別中僅對人臉的五官位置的不同抽出特征。由于復(fù)雜的動態(tài)場景，圖像失真嚴重，圖像精度有限、五官位置表達人臉的全部信息不足等原因，常出現(xiàn)識別錯誤。

　　針對深度學習(DL)存在的缺陷研制的新一代人工智能超深度學習(SDL)模型，引用目標函數(shù)概率分布的模型，將深度學習(DL)對目標函數(shù)的隨機分量需用百萬次的訓練，改變?yōu)橹煌ㄟ^5—10次小數(shù)據(jù)訓練，就可把人臉識別的特征信息抽出。將系統(tǒng)不透明存在的黑箱問題，改變?yōu)橄到y(tǒng)可分析，不存在黑箱問題的模型。將深度學習系統(tǒng)需要龐大的硬件支持、處理效率低狀況，改變?yōu)橄到y(tǒng)只需要較少硬件支持、還提高處理效率，可以大大節(jié)省硬件費用和空間。

　　超深度學習(SDL)模型導(dǎo)入一種即可增加特征向量的數(shù)據(jù)規(guī)模，是不會導(dǎo)致系統(tǒng)復(fù)雜度提高很多的新一代的人工智能模型。對人臉識別特征抽出不僅在空域上，同時在時域上也進行高密度的信息抽出，這就很容易獲得深度學習(DL)的人臉識別達不到的：復(fù)雜動態(tài)場景下人臉識別高有效檢出率和復(fù)雜動態(tài)場景下更正確識別率等高水準的技術(shù)性能。

　　智慧城市、智慧園區(qū)、公安、安保等信息化建設(shè)正在推動高準確度人臉身份識別系統(tǒng)市場快速增長。同時，替換已經(jīng)安裝使用、但準確度達不到發(fā)展需求的人臉身份識別系統(tǒng)的數(shù)量也在大量增長。而且，用戶對識別準確度和超短時間識別需求也會不斷提高。因此，高準確度的人臉識別技術(shù)在人臉身份識別系統(tǒng)的研制工作中，會有很大的發(fā)展空間和很高的經(jīng)濟效益前景。高準確度人臉身份識別系統(tǒng)的廣泛應(yīng)用，因在快速尋找人、核查人的效率和準確方面的突出功效，也將會產(chǎn)生非常大的政治和社會效益。

　　值的一提的是，這一創(chuàng)新的人臉識別技術(shù)采用的是新一代人工智能超深度學習(SDL)算法，該算法與當前人工智能主流算法深度學習(DL)一樣是人工智能的通用算法，因此，可以廣泛應(yīng)用在人臉識別以外的許多人工智能項目中。所以，如果新一代人工智能超深度學習(SDL)算法的效果得到確認，不僅對我國的人臉識別應(yīng)用是一個巨大的貢獻，也將在世界新一代人工智能領(lǐng)域中樹立起我國自主知識產(chǎn)權(quán)的人工智能算法的主導(dǎo)地位，其意義也將會十分重大。