10.2　计算机视觉面临的困境及突破

如图10-2所示，是多个数字的图像集。

图10-2　数字图像集

图10-3是一张写有数字的图像，从人眼识别的角度，图像中的数字为5、0、4、1、9、2。

图10-3　数字图像

注意，人的眼睛可以识别5、0、4、1、9、2，那么究竟是怎么识别出这些数字的？读者可能认为这是人的直觉，但这没有太大的意义。假设生活经验中没有经过训练，也没有见过数字，那就不会知道这些数字是5、0、4、1、9、2，从出生到识别出数字人类也是需要几年时间的。在2006年以前，计算机的视觉识别系统并没有超越传统的软件编程方式，也没有超越人类。2006年前后，人工智能领域取得了一个重大的突破，在图像识别中引入了神经网络作为技术支持。神经网络使用很多层，通过很多张图像的训练，从图像中发现特征然后进行识别。也许读者认为也不过如此，但这里有两点很重要：第一，2006年前后，在计算机的图像识别中引入了神经网络作为技术支撑；第二，神经网络系统会收集一个训练集，训练集中有很多训练的例子，这些用来训练的图像不需要人工干预，由系统自动找出其中的特征和规律，然后进行识别。