认证主体：吉**（实名认证）
IP属地：贵州
下载本文档
AI遇见应用兴趣引领未来人工智能基础与应用
认知人工智能的应用技术AI遇见应用兴趣引领未来人工智能基础与应用
认知人工1《人工智能基础与应用》教学课件—认知人工智能的应用技术2任务一视觉智能——机器如何识字、看人人工智能基础与应用
认知人工智能的应用技术任务一视觉智能——机器如何识字、看人人工智能基础与应用
认知人工智能的应用技术任务一视觉智能——机器如何识字、看人目录教学目标人工智能基础与应用
认知人工智能的应用技术任务41．掌握图像识别、人脸识别、文字识别的含义2．理解图像识别、人脸识别、文字识别的原理、技术流程、应用及发展趋势3．进行图像识别、人脸识别、文字识别的实训【教学目标】1．掌握图像识别、人脸识别、文字识别的含义【教学目标】51.知识点图像识别、视频识别、人脸识别、行为识别、文字识别的概念和技术流程2.技能点掌握图像识别、人脸识别、文字识别的实训操作3.重难点通过本项目的学习，重点理解视觉智能包括哪些应用技术，过去的计算机视觉和现在的视觉智能有什么区别和联系，思考在生活和行业方面有哪些具体应用？从“看得见”到“看得清楚、看得明白”之间，需要我们怎么去训练机器？同时，结合每个任务后的实训项目进一步思考，尝试拓展更多实训任务。【教学要求】1.知识点【教学要求】6【内容概览】任务一视觉智能——机器如何识字、看人3.1.3OCR文字识别技术及应用什么是OCR识别OCR识别的智能化OCR识别的应用3.1.2人脸识别技术及应用是图像识别的一个应用场景，也叫做人像识别、面部识别，即基于人的脸部特征信息进行身份识别3.1.1图像识别技术及应用什么是图像识别？技术流程：人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别基于深度学习技术，将图片上的文字、符号智能识别出来并变为可编辑的文本优点：识别效率和准确率高、识别图像质量宽容度高通用文字识别、卡证文字识别、票据文字识别、场景文字识别、其他文字识别（图片数字、印章检测、表格文字、图片二维码等）识别流程：图像输入、图像预处理、版面分析、字符切割、字符特征提取、字符识别、后处理校正图像识别的技术流程图像识别的应用信息的获取、预处理、特征抽取和选择、分类器设计和分类决策应用领域：公共安全、生物、工业、农业、交通、医疗等延展介绍：视频识别及视频中的行为识别图像处理：图像采集、图像增强、图像复原、图像编码与压缩、图像分割图像识别：统计法、模板匹配法和神经网络法等【内容概览】任务一视觉智能3.1.3OCR文字识别技术及7【相关知识】计算机视觉应用场景【相关知识】计算机视觉应用场景8图像识别是人工智能行业应用的一个重要方向，也是机器学习最热门的领域之一。其目的是为了让计算机代替人类去处理大量的物理信息，解决人类无法识别或者识别率特别低的信息。图像识别的发展经历三个阶段：文字识别、数字图像处理与识别、物体识别。图像识别通过分类并提取重要特征并排除多余的信息来识别图像。图像的内容通常是用图像特征进行描述，包括：颜色特征、纹理特征、形状特征及局部特征点等。一、图像识别技术的原理及应用（一）什么是图像识别？图像识别是人工智能行业应用的一个重要方向，也是机器学习最热门9
图像识别过程图像识别过程分为图像处理和图像识别两个部分。一、图像识别技术的原理及应用（一）什么是图像识别？图像识别过程一、图像识别技术的原理及应用（一）什么是图像识10
图像识别过程1.图像处理分为模拟图像处理和数字图像处理。其目的是去除干扰、噪声，将原始图像进行特征提取，主要包括图像采集、图像增强、图像复原、图像编码与压缩和图像分割。一、图像识别技术的原理及应用（一）什么是图像识别？环节内容图像采集主要借助于摄像机、扫描仪、数码相机等设备经过采样数字化得到的图像,也包括一些动态图像,并可以将其转为数字图像,与文字、图形、声音一起存储。图像提取是将一个图像变换为适合计算机处理的形式的第一步。图像增强为突出图像中想抓取的部分,必须对图像进行改善,以缓解图像在成像、采集、传输等过程中，质量或多或少造成的退化。通过图像增强,减少图像中的干扰和噪声,改变原来图像的亮度、色彩分布、对比度等参数,为后期的图像分析和图像理解奠定基础。图像复原为提取比较清晰的图像，减少在获取图像时环境噪声的影响、运动造成的图像模糊、光线的强弱等原因使得图像模糊,需要对图像进行恢复。主要采用滤波方法,从降质的图像恢复原始图。另一种特殊技术是图像重建,该技术是从物体横剖面的一组投影数据建立图像。图像编码与压缩为快速方便地在网络环境下传输图像或视频,必须对图像进行编码和压缩。如静态图像压缩标准JPEG,针对图像的分辨率、色彩等进行规范。由于视频可被看作是一幅幅不同的但有紧密相关的静态图像的时间序列,因此动态视频的单帧图像压缩可以应用静态图像的压缩标准。图像编码压缩技术可以缓解数据量和存储器容量问题、提高图像传输速度、缩短处理时间。图像分割技术图像分割是把图像分成一些互不重叠而又具有各自特征的子区域,每一区域是像素的一个连续集,这里的特性可以是图像的颜色、形状、灰度和纹理等。图像分割对图像中的目标、背景进行标记、定位,然后把目标从背景中分离出来。目前,图像分割的方法主要有基于区域特征的分割方法、基于相关匹配的分割方法和基于边界特征的分割方法。在实际的图像中需根据景物条件的不同选择适合的图像分割方法。图像分割为进一步的图像识别、分析和理解奠定了基础。图像识别过程一、图像识别技术的原理及应用（一）什么是图像识11
图像识别过程2.图像识别将经过处理的图像进行特征提取和分类，这就是图像识别。通常有几种常用的识别方法：统计法、模板匹配法和神经网络法。统计法——该方法是对研究的图像进行大量的统计分析，找出其中的规律并提取反映图像本质特点的特征来进行图像识别。缺点：当特征数量激增，给特征提取造成困难，分类也难以实现。模板匹配法——即把已知物体的模板与图像中所有未知物体进行比较，如果某一未知物体与该模板匹配，则该物体被检测出来，并被认为是与模板相同的物体。缺点：虽然简单方便，但应用有很大的限制，识别率过多地依赖于已知物体的模板，如果已知物体的模板产生变形，会导致错误的识别。一、图像识别技术的原理及应用（一）什么是图像识别？图像识别过程一、图像识别技术的原理及应用（一）什么是图像识12
图像识别过程2.图像识别神经网络法——指用神经网络算法对图像进行识别的方法。目前深度学习模型已应用于一般图像的识别和理解，不仅大大提升了图像识别的准确性，也避免了抽取人工特征时的时间消耗。什么是神经网络？神经网络侧重于模拟和实现人的认知过程中的感知过程、形象思维、分布式记忆和自学习自组织过程。神经网络的特征：具有容错性强、独特的联想记忆及自组织、自适应和自学习能力,特别适合处理信息模糊或不精确问题。一、图像识别技术的原理及应用（一）什么是图像识别？举例：垃圾邮件的判断图像识别过程一、图像识别技术的原理及应用（一）什么是图像识13图像识别的技术流程分以下几步：信息的获取、预处理、特征抽取和选择、分类器设计和分类决策。一、图像识别技术的原理及应用（二）图像识别的技术流程信息获取通过传感器，将光或声音等信息转化为电信息。即获取研究对象的基本信息并通过某种方法将其转变为机器能够认识的信息。预处理指图像处理中的去噪、平滑、变换等的操作，从而加强图像的重要特征。特征抽取和选择特征抽取：利用某种方法，研究各式各样的图像，获取图像所具有的本身特征特征选择：从抽取的特征中，选择对本次识别有用的特征分类器设计通过训练而得到一种识别规则，通过此识别规则可以得到一种特征分类，使图像识别技术能够得到高识别率。分类决策在特征空间中对被识别对象进行分类，从而更好地识别所研究的对象具体属于哪一类。图像识别的技术流程分以下几步：信息的获取、预处理、特征抽取和14视频监控、人脸检测和识别等都是图像识别最广泛的应用。从场境上，公共安全、生物、工业、农业、交通、医疗等均有广泛应用。存在的局限：图像识别技术在应用上还只是起着导盲犬性质的指引作用，需要通过人工添加标签或注释，帮助机器来理解图片。未来的技术将朝着能够具有人一样的视觉、能够理解图像内容的人工智能发展。一、图像识别技术的原理及应用（三）图像识别的应用视频监控、人脸检测和识别等都是图像识别最广泛的应用。一、图像15视频识别及视频中的行为识别是图像识别技术的重要应用。视频就是由图像连续播放形成的（1秒钟的视频包含25帧图像，每1帧都是1张图像），视频识别中一个重要内容是视频理解，主要包括：视频结构化分析：即是对视频进行帧、超帧、镜头、场景、故事等分割，从而在多个层次上进行处理和表达。目标检测和跟踪：如车辆跟踪，多是应用在交通安防领域。人物识别：识别出视频中出现的人物。动作识别：识别出视频中人物的动作。视频中的行为识别是计算机视觉研究中的重要领域，将人的活动进行拆分并进行识别。一、图像识别技术的原理及应用（三）图像识别的应用视频识别及视频中的行为识别是图像识别技术的重要应用。视频就是16
什么是人脸识别？人脸识别是图像识别的一个应用场景，通常也叫做人像识别、面部识别。人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术，用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术。人脸识别技术的主要流程人脸图像采集及检测人脸图像预处理人脸图像特征提取匹配与识别。二、人脸识别技术及应用什么是人脸识别？二、人脸识别技术及应用17人脸识别技术的主要流程（1）人脸图像采集及检测人脸图像采集：通过摄像镜头采集，比如静态图像、动态图像、不同的位置、不同表情等方面都可以得到很好的采集。人脸检测：主要用于人脸识别的预处理，即在图像中准确标定出人脸的位置、大小和特征。其目的就是把其中有用的信息挑出来，并利用这些特征实现检测。（2）人脸图像预处理基于人脸检测结果，对图像进行处理并最终服务于特征提取的过程。包括人脸对准，人脸图像的光线补偿，灰度变换、直方图均衡化、归一化（取得尺寸一致，灰度取值范围相同的标准化人脸图像），中值滤波（图片的平滑操作以消除噪声）以及锐化等。二、人脸识别技术及应用人脸识别技术的主要流程二、人脸识别技术及应用18人脸识别技术的主要流程（3）人脸图像特征提取也称人脸表征，是对人脸进行特征建模的过程。可使用的特征通常分为视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等。（4）匹配与识别提取的人脸特征值数据与数据库中存贮的特征模板进行搜索匹配，通过设定一个阈值，将相似度与这一阈值进行比较，来对人脸的身份信息进行判断。二、人脸识别技术及应用人脸识别技术的主要流程二、人脸识别技术及应用19人脸识别技术的应用范围企业、住宅安全和管理：如人脸识别门禁考勤系统，人脸识别防盗门等电子护照及身份证公安、司法和刑侦自助服务信息安全：如计算机登录、电子政务和电子商务等其他类似常见技术还有指纹识别、手掌几何学识别、虹膜和视网膜识别等，也广泛地应用于身份认证等场境，比如签证应用、身份识别、打卡应用等。二、人脸识别技术及应用人脸识别技术的应用范围二、人脸识别技术及应用20OCR，全称OpticalCharacterRecognition，光学字符识别。利用该识别技术，OCR文字识别可以代替人工录入，将图片上的文字、符号识别出来并变为可编辑的文本。人工智能时代的OCR，又被称为文字识别技术，它是基于深度学习技术，将纸张、图片等载体上的文字内容，智能识别成为可编辑的文本。三、OCR文字识别技术及应用（一）什么是OCR识别？OCR，全称OpticalCharacterRecogn211.智能OCR的优点为什么会出现智能OCR？——深度学习技术进入视觉识别领域，一种全新的基于深度学习的OCR流程被提出来。优点：从单字识别进化到整行识别，文字识别准确率大幅提升；极大提升对识别图像质量的宽容度，可以有效识别光照不均、图像模糊、复杂背景等低质量图像；无需扫描仪或高拍仪、手机、平板等移动设备拍摄的照片，都可以用于识别。甚至，手写字体的识别不再是“噩梦”。三、OCR文字识别技术及应用（二）AI时代，OCR识别的蜕变1.智能OCR的优点三、OCR文字识别技术及应用（二）A22
认知人工智能的应用技术任务二听觉智能——机器如何“闻声识人”人工智能基础与应用
认知人工智能的应用技术任务二听觉智能——机器如何“闻声识人”目录教学目标人工智能基础与应用
认知人工智能的应用技术任务311.理解并掌握语音识别技术的含义及应用领域2.了解声纹识别与语音识别的区别与联系3.进行语音识别的项目实训【教学目标】1.理解并掌握语音识别技术的含义及应用领域【教学目标】321.知识点语音识别语音特征提取人机对话系统的角色演进声纹识别2.技能点掌握语音识别为文本、文本识别为语音的双向实训操作3.重难点本任务的重点是理解语音识别、声纹识别技术的含义、应用领域及相互间的区别和联系,语音如何转变成文本的技术和流程。难点是通过本任务的学习，深度思考语音识别、语义理解、自然语言生成这样一个人机对话系统的演进过程。【教学要求】1.知识点【教学要求】33【内容概览】任务二听觉智能——机器如何“闻声识人”3.2.3声纹识别打造“专属语音管家”，是未来智能语音识别领域的重点方向不仅会捕捉语音内容，还会根据音波特点、生理特征等参数，自动识别说话人的身份3.2.2语音识别技术的应用语音输入3.2.1什么是语音识别技术？目标就是让机器通过识别和理解把语音信号转变为相应的文本或命令语音控制语音识别技术：特征提取技术、模式匹配准则及模型训练技术语音识别任务：孤立词识别、连续语音识别、关键词识别语音对话将语音识别成文字，提升用户的效率，如微信语音转换文字等通过语音控制设备，进行相关操作，如智能音箱、智能汽车系统等根据用户的语音实现交流与对话，对语义理解要求较高。如订票系统、银行服务等语音识别流程：输入——编码——解码——输出【内容概览】任务二听觉智能3.2.3声纹识别打造“专属34【相关知识】【相关知识】35
语音识别技术语音识别技术就是让机器通过识别和理解过程把语音信号转变为相应的文本或命令的技术。根据识别的对象不同，语音识别任务大体可分为3类，即孤立词识别、连续语音识别和关键词识别。一、什么是语音识别技术？语音识别技术一、什么是语音识别技术？36
语音识别流程语音识别技术主要包括特征提取技术、模式匹配准则及模型训练技术三方面。其识别流程为：信号处理：声音信号是连续的模拟信号，为了保证音频不失真影响识别，要进行降噪和过滤处理，保证让计算机识别的是过滤后的语音信息；信号表征：对语音的内容信息根据声学特征进行提取，并尽量对数据进行压缩，特征提取完成之后，就进入了特征识别、字符生成环节；模式识别：从每一帧中找出当前说的音素，由多个音素组成单词，再由单词组成文本句子。通过声学模型识别音素、语言模型和词汇模型识别单词和句子。这样，只要模型中涵盖足够的语料，即语音的大数据集，就能解决各种语音识别问题。整个流程下来，语音就能识别成文本了。一、什么是语音识别技术？语音识别流程一、什么是语音识别技术？37
语音识别技术应用领域概括起来，智能语音识别主要应用于三个领域，这也是语音识别商业化发展的主要方向：1.语音输入系统将语音识别成文字，提升用户的效率，如微信语音转换文字、讯飞输入法等。2.语音控制系统通过语音控制设备，进行相关操作，彻底解放双手，例如智能音箱、智能汽车系统等。3.语音对话系统语音对话系统更为复杂，它将会根据用户的语音实现交流与对话，保证回答的内容准确，对语义理解要求较高。在家庭机器服务员、宾馆服务、订票系统、银行服务等方面，都将会起到非常重要的作用。二、语音识别技术的应用语音识别技术应用领域二、语音识别技术的应用38
语音识别技术应用场景在日常的工作生活中，语音识别已广泛应用。如医疗智能语音录入系统、智能车载、智能穿戴、智能家居等。二、语音识别技术的应用语音识别技术应用场景二、语音识别技术的应用39
什么是声纹识别如果说语音识别的目的是提升效率，那么声纹识别的目的则是进行身份确认与审查。相比较语音识别，声纹识别最大的特点在于：智能系统不仅会捕捉语音内容，还会根据音波特点、说话人的生理特征等参数，自动识别说话人的身份。因为每个人发出的声纹图谱会与其他人不同，声纹识别正是通过比对说话人在相同音素上的发声来判断是否为同一个人，从而实现“闻声识人”的功能。三、声纹识别：让语音识别更加隐秘什么是声纹识别三、声纹识别：让语音识别更加隐秘40
声纹识别的流程三、声纹识别：让语音识别更加隐秘声纹识别的流程三、声纹识别：让语音识别更加隐秘41【练习与思考】讨论题：1.结合你身边的语音识别技术应用案例（如智能音箱、服务机器人），讨论其工作原理和流程。2.想一想，目前的语音识别技术在哪些方面还有提升空间，未来有哪些应用前景？【练习与思考】讨论题：42任务三认知智能——机器如何懂语义、会思考人工智能基础与应用认知人工智能的应用技术任务三认知智能——机器如何懂语义、会思考人工智能基础与应用43目录教学目标教学要求内容概览相关知识3.3.1认知自然语言处理及应用 3.3.2走近知识图谱3.3.3数据智能推动人机协同 练习与思考 人工智能基础与应用
认知人工智能的应用技术任务三认知智能——机器如何懂语义、会思考目录教学目标人工智能基础与应用
认知人工智能的应用技术任务441.理解并掌握自然语言处理的含义及常见应用2.初步学习知识图谱的内涵、体系及应用3.了解数据智能的定义、发展目标及数据中台的意义【教学目标】1.理解并掌握自然语言处理的含义及常见应用【教学目标】451.知识点自然语言处理的含义、应用知识图谱的定义知识图谱的体系架构及应用数据智能的发展数据中台和业务中台的价值2.重难点通过本任务的学习，初步了解人工智能最高阶的发展水平——认知智能，包含了哪些重点技术、发展方向及应用场境。本任务的重点是理解自然语言处理、知识图谱、数据智能的定义及在工作生活中的应用领域；难点是理解三者间的促进关系、对人工智能技术水平发展的关键作用，并深度思考当机器懂语义、会思考后，人和机器的关系可能会是什么样。【教学要求】1.知识点【教学要求】46【内容概览】任务三认知智能——机器如何懂语义、会思考3.3.3数据智能推动人机协同数据智能定义及数据中台的价值3.3.2走近知识图谱什么是知识图谱？3.3.1认知自然语言处理及应用定义知识图谱的体系架构发展趋势常见应用知识图谱的应用把复杂的知识通过数据挖掘处理，实现客观规律的归纳和总结知识抽取、知识表示、知识融合语义搜索、智能推荐、私人助理、知识存储、数据校验、专家系统、客服机器人人类语言和机器语言之间的桥梁，使机器拥有能够理解、处理、并使用人类语言的能力机器翻译、情感分析、智能问答、个性化推荐、文本分类大规模语言数据的分析处理能力、人-机交互方式目标是让数据驱动决策，让机器具备推理等认知能力发展进程业务数据化（收集、监测、洞察）-描述跟踪业务智能化（决策、重塑）-改造提升细分：中台（技术中台、数据中台、业务中台）和应用场景数据中台价值是将数据资产化，为应用打基础应用方式：数据集、数据模型、数据应用【内容概览】任务三认知智能3.3.3数据智能推动人机协同47【相关知识】自然语言处理与知识图谱【相关知识】自然语言处理与知识图谱48
什么是自然语言处理？自然语言处理的目标是弥补人类交流(自然语言)与计算机理解(机器语言)之间的差距，最终实现计算机在理解自然语言上像人类一样智能，使计算机拥有能够理解、处理、并使用人类语言的能力。一、认知自然语言处理及应用什么是自然语言处理？一、认知自然语言处理及应用49
自然语言处理的常见应用“机器翻译”让世界变成真正意义上的地球村，因其效率高、成本低满足了全球各国多语言信息快速翻译的需求。“情感分析”可以从大量数据中识别和吸收相关信息，而且能够判断出一段文字所表达观点和态度的正负面性。“智能问答”能够指利用计算机自动回答用户所提出的问题。“个性化推荐”可以依据大数据和历史行为记录，学习用户兴趣爱好，实现对用户意图的精准理解，实现精准匹配。“文本分类”通过分析邮件中的文本内容，能够相对准确地判断邮件是否为垃圾邮件。一、认知自然语言处理及应用自然语言处理的常见应用一、认知自然语言处理及应用50
自然语言处理的常见应用电子商务背后的自然语言处理应用分析用户词句个性化推荐情感分析智能问答一、认知自然语言处理及应用自然语言处理的常见应用一、认知自然语言处理及应用51
自然语言处理的发展趋势未来自然语言处理将朝着两个互补式的方向发展：“大规模语言数据的分析处理能力”和“人-机交互方式”。1.大规模语言数据的分析处理能力：指的是建立在自然语言处理上对语言信息进行获取、分析、推理和整合的能力。一、认知自然语言处理及应用自然语言处理的发展趋势一、认知自然语言处理及应用52
自然语言处理的发展趋势2.人-机交互方式：指的是将自然语言作为人与机器交互的自然接口和统一的交互方式。不同的机器，通常要使用不同的开发语言或方式，这严重影响了人们对机器的开发与使用。只有通过采用自然语言处理，才能让机器具有理解人类语言的能力，从而实现建立在自然语言基础上的人机交互。总结：自然语言处理作为一门新兴学科，其最终目标是为了弥补人类交流（自然语言）与计算机理解（机器语言）之间的差距，最终实现计算机在理解自然语言上像人类一样智能。一、认知自然语言处理及应用自然语言处理的发展趋势一、认知自然语言处理及应用53
什么是知识图谱？知识图谱(KnowledgeGraph)是一门典型的多学科融合，通过将应用数学、图形学、信息科学等学科理论、方法与计量学、统计学等方法结合，并利用可视化的图谱形象地展示出来。其核心目标是把复杂的知识领域通过数据挖掘、信息处理、知识计量和图形绘制显示出来，揭示知识的动态发展规律。知识图谱，本质上，是一种揭示实体之间关系的语义网络。二、走近知识图谱什么是知识图谱？二、走近知识图谱54
什么是知识图谱？在信息的基础上，建立实体之间的联系，就能行成“知识”。知识图谱是由一条条知识组成，每条知识表示为一个SPO三元组（Subject-Predicate-Object主谓宾，用来表示事物的一种方法和形式），而这个三元组集合可以抽象为一张图。大量与之相关的实体信息会不断关联并结构化地呈现出来，实现了数据图谱化。二、走近知识图谱什么是知识图谱？二、走近知识图谱55
知识图谱的体系架构知识图谱的体系架构是指其构建自身模式的结构二、走近知识图谱知识图谱的体系架构二、走近知识图谱56
知识图谱的体系架构共分为三个步骤：知识抽取：从一些公开的半结构化、非结构化的数据中，抽取出可用的知识单元。知识单元主要包括实体抽取、关系抽取以及属性抽取3个知识要素。知识表示：把知识客体中的知识因子与知识关联起来，便于人们识别和理解知识，分为主观知识表示和客观知识表示两种。知识融合：是高层次的知识组织，使来自不同知识源的知识在同一框架规范下进行组织，实现数据、信息、经验以及人的思想的融合，形成高质量的知识库。二、走近知识图谱知识图谱的体系架构二、走近知识图谱57
知识图谱的应用包括：智能搜索、社交网络，网上购物、新闻查询等，知识图谱已经在我们的生活中、垂直行业应用中发挥着日益重要的作用。二、走近知识图谱知识图谱的应用二、走近知识图谱58
大数据的新篇章——数据智能数据智能的目标是让数据驱动决策，让机器具备推理等认知能力。只有业务数据化进程的完成，才能真正进入到业务智能化，依靠数据去改变业务、指导决策。三、数据智能推动人机协同大数据行业发展阶段大数据的新篇章——数据智能三、数据智能推动人机协同大数据行59
大数据的新篇章——数据智能让机器具备推理能力，意味着自然语言处理、知识图谱等认知技术需要不断成熟。而数据驱动决策、数据驱动业务发展的新需求，标志着智能数据时代的兴起。三、数据智能推动人机协同不同阶段大数据与业务的关系大数据的新篇章——数据智能三、数据智能推动人机协同不同阶段60
数据智能的定义及数据中台的价值数据智能核心分为两个细分领域：中台和应用场景。其中，中台包含技术中台、数据中台和业务中台，应用场景则按照不同行业进行划分。数字化已不可抵挡，在企业数字化转型进程中，传统企业需要具备互联网公司那样快速迭代升级的能力，因此，数据驱动业务发展的中台建设至关重要。数据中台的价值是将数据资产化，实现不同体系数据的打通，为下一步数据应用打好基础。数据中台涵盖了从数据采集、数据处理、数据存储、数据分析等环节的所有工具及平台，包括基础平台、用户行为分析、数据报表可视化、数据科学平台、自然语言处理和知识图谱等诸多技术体系。三、数据智能推动人机协同数据智能的定义及数据中台的价值三、数据智能推动人机协同61
2.对3.错4.对【练习与思考】客观题答案67AI遇见应用兴趣引领未来人工智能基础与应用
认知人工智能的应用技术AI遇见应用兴趣引领未来人工智能基础与应用
认知人工68《人工智能基础与应用》教学课件—认知人工智能的应用技术69任务一视觉智能——机器如何识字、看人人工智能基础与应用
认知人工智能的应用技术任务一视觉智能——机器如何识字、看人人工智能基础与应用
认知人工智能的应用技术任务一视觉智能——机器如何识字、看人目录教学目标人工智能基础与应用
认知人工智能的应用技术任务711．掌握图像识别、人脸识别、文字识别的含义2．理解图像识别、人脸识别、文字识别的原理、技术流程、应用及发展趋势3．进行图像识别、人脸识别、文字识别的实训【教学目标】1．掌握图像识别、人脸识别、文字识别的含义【教学目标】721.知识点图像识别、视频识别、人脸识别、行为识别、文字识别的概念和技术流程2.技能点掌握图像识别、人脸识别、文字识别的实训操作3.重难点通过本项目的学习，重点理解视觉智能包括哪些应用技术，过去的计算机视觉和现在的视觉智能有什么区别和联系，思考在生活和行业方面有哪些具体应用？从“看得见”到“看得清楚、看得明白”之间，需要我们怎么去训练机器？同时，结合每个任务后的实训项目进一步思考，尝试拓展更多实训任务。【教学要求】1.知识点【教学要求】73【内容概览】任务一视觉智能——机器如何识字、看人3.1.3OCR文字识别技术及应用什么是OCR识别OCR识别的智能化OCR识别的应用3.1.2人脸识别技术及应用是图像识别的一个应用场景，也叫做人像识别、面部识别，即基于人的脸部特征信息进行身份识别3.1.1图像识别技术及应用什么是图像识别？技术流程：人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别基于深度学习技术，将图片上的文字、符号智能识别出来并变为可编辑的文本优点：识别效率和准确率高、识别图像质量宽容度高通用文字识别、卡证文字识别、票据文字识别、场景文字识别、其他文字识别（图片数字、印章检测、表格文字、图片二维码等）识别流程：图像输入、图像预处理、版面分析、字符切割、字符特征提取、字符识别、后处理校正图像识别的技术流程图像识别的应用信息的获取、预处理、特征抽取和选择、分类器设计和分类决策应用领域：公共安全、生物、工业、农业、交通、医疗等延展介绍：视频识别及视频中的行为识别图像处理：图像采集、图像增强、图像复原、图像编码与压缩、图像分割图像识别：统计法、模板匹配法和神经网络法等【内容概览】任务一视觉智能3.1.3OCR文字识别技术及74【相关知识】计算机视觉应用场景【相关知识】计算机视觉应用场景75图像识别是人工智能行业应用的一个重要方向，也是机器学习最热门的领域之一。其目的是为了让计算机代替人类去处理大量的物理信息，解决人类无法识别或者识别率特别低的信息。图像识别的发展经历三个阶段：文字识别、数字图像处理与识别、物体识别。图像识别通过分类并提取重要特征并排除多余的信息来识别图像。图像的内容通常是用图像特征进行描述，包括：颜色特征、纹理特征、形状特征及局部特征点等。一、图像识别技术的原理及应用（一）什么是图像识别？图像识别是人工智能行业应用的一个重要方向，也是机器学习最热门76
图像识别过程图像识别过程分为图像处理和图像识别两个部分。一、图像识别技术的原理及应用（一）什么是图像识别？图像识别过程一、图像识别技术的原理及应用（一）什么是图像识77
图像识别过程1.图像处理分为模拟图像处理和数字图像处理。其目的是去除干扰、噪声，将原始图像进行特征提取，主要包括图像采集、图像增强、图像复原、图像编码与压缩和图像分割。一、图像识别技术的原理及应用（一）什么是图像识别？环节内容图像采集主要借助于摄像机、扫描仪、数码相机等设备经过采样数字化得到的图像,也包括一些动态图像,并可以将其转为数字图像,与文字、图形、声音一起存储。图像提取是将一个图像变换为适合计算机处理的形式的第一步。图像增强为突出图像中想抓取的部分,必须对图像进行改善,以缓解图像在成像、采集、传输等过程中，质量或多或少造成的退化。通过图像增强,减少图像中的干扰和噪声,改变原来图像的亮度、色彩分布、对比度等参数,为后期的图像分析和图像理解奠定基础。图像复原为提取比较清晰的图像，减少在获取图像时环境噪声的影响、运动造成的图像模糊、光线的强弱等原因使得图像模糊,需要对图像进行恢复。主要采用滤波方法,从降质的图像恢复原始图。另一种特殊技术是图像重建,该技术是从物体横剖面的一组投影数据建立图像。图像编码与压缩为快速方便地在网络环境下传输图像或视频,必须对图像进行编码和压缩。如静态图像压缩标准JPEG,针对图像的分辨率、色彩等进行规范。由于视频可被看作是一幅幅不同的但有紧密相关的静态图像的时间序列,因此动态视频的单帧图像压缩可以应用静态图像的压缩标准。图像编码压缩技术可以缓解数据量和存储器容量问题、提高图像传输速度、缩短处理时间。图像分割技术图像分割是把图像分成一些互不重叠而又具有各自特征的子区域,每一区域是像素的一个连续集,这里的特性可以是图像的颜色、形状、灰度和纹理等。图像分割对图像中的目标、背景进行标记、定位,然后把目标从背景中分离出来。目前,图像分割的方法主要有基于区域特征的分割方法、基于相关匹配的分割方法和基于边界特征的分割方法。在实际的图像中需根据景物条件的不同选择适合的图像分割方法。图像分割为进一步的图像识别、分析和理解奠定了基础。图像识别过程一、图像识别技术的原理及应用（一）什么是图像识78
图像识别过程2.图像识别将经过处理的图像进行特征提取和分类，这就是图像识别。通常有几种常用的识别方法：统计法、模板匹配法和神经网络法。统计法——该方法是对研究的图像进行大量的统计分析，找出其中的规律并提取反映图像本质特点的特征来进行图像识别。缺点：当特征数量激增，给特征提取造成困难，分类也难以实现。模板匹配法——即把已知物体的模板与图像中所有未知物体进行比较，如果某一未知物体与该模板匹配，则该物体被检测出来，并被认为是与模板相同的物体。缺点：虽然简单方便，但应用有很大的限制，识别率过多地依赖于已知物体的模板，如果已知物体的模板产生变形，会导致错误的识别。一、图像识别技术的原理及应用（一）什么是图像识别？图像识别过程一、图像识别技术的原理及应用（一）什么是图像识79
图像识别过程2.图像识别神经网络法——指用神经网络算法对图像进行识别的方法。目前深度学习模型已应用于一般图像的识别和理解，不仅大大提升了图像识别的准确性，也避免了抽取人工特征时的时间消耗。什么是神经网络？神经网络侧重于模拟和实现人的认知过程中的感知过程、形象思维、分布式记忆和自学习自组织过程。神经网络的特征：具有容错性强、独特的联想记忆及自组织、自适应和自学习能力,特别适合处理信息模糊或不精确问题。一、图像识别技术的原理及应用（一）什么是图像识别？举例：垃圾邮件的判断图像识别过程一、图像识别技术的原理及应用（一）什么是图像识80图像识别的技术流程分以下几步：信息的获取、预处理、特征抽取和选择、分类器设计和分类决策。一、图像识别技术的原理及应用（二）图像识别的技术流程信息获取通过传感器，将光或声音等信息转化为电信息。即获取研究对象的基本信息并通过某种方法将其转变为机器能够认识的信息。预处理指图像处理中的去噪、平滑、变换等的操作，从而加强图像的重要特征。特征抽取和选择特征抽取：利用某种方法，研究各式各样的图像，获取图像所具有的本身特征特征选择：从抽取的特征中，选择对本次识别有用的特征分类器设计通过训练而得到一种识别规则，通过此识别规则可以得到一种特征分类，使图像识别技术能够得到高识别率。分类决策在特征空间中对被识别对象进行分类，从而更好地识别所研究的对象具体属于哪一类。图像识别的技术流程分以下几步：信息的获取、预处理、特征抽取和81视频监控、人脸检测和识别等都是图像识别最广泛的应用。从场境上，公共安全、生物、工业、农业、交通、医疗等均有广泛应用。存在的局限：图像识别技术在应用上还只是起着导盲犬性质的指引作用，需要通过人工添加标签或注释，帮助机器来理解图片。未来的技术将朝着能够具有人一样的视觉、能够理解图像内容的人工智能发展。一、图像识别技术的原理及应用（三）图像识别的应用视频监控、人脸检测和识别等都是图像识别最广泛的应用。一、图像82视频识别及视频中的行为识别是图像识别技术的重要应用。视频就是由图像连续播放形成的（1秒钟的视频包含25帧图像，每1帧都是1张图像），视频识别中一个重要内容是视频理解，主要包括：视频结构化分析：即是对视频进行帧、超帧、镜头、场景、故事等分割，从而在多个层次上进行处理和表达。目标检测和跟踪：如车辆跟踪，多是应用在交通安防领域。人物识别：识别出视频中出现的人物。动作识别：识别出视频中人物的动作。视频中的行为识别是计算机视觉研究中的重要领域，将人的活动进行拆分并进行识别。一、图像识别技术的原理及应用（三）图像识别的应用视频识别及视频中的行为识别是图像识别技术的重要应用。视频就是83
什么是人脸识别？人脸识别是图像识别的一个应用场景，通常也叫做人像识别、面部识别。人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术，用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术。人脸识别技术的主要流程人脸图像采集及检测人脸图像预处理人脸图像特征提取匹配与识别。二、人脸识别技术及应用什么是人脸识别？二、人脸识别技术及应用84人脸识别技术的主要流程（1）人脸图像采集及检测人脸图像采集：通过摄像镜头采集，比如静态图像、动态图像、不同的位置、不同表情等方面都可以得到很好的采集。人脸检测：主要用于人脸识别的预处理，即在图像中准确标定出人脸的位置、大小和特征。其目的就是把其中有用的信息挑出来，并利用这些特征实现检测。（2）人脸图像预处理基于人脸检测结果，对图像进行处理并最终服务于特征提取的过程。包括人脸对准，人脸图像的光线补偿，灰度变换、直方图均衡化、归一化（取得尺寸一致，灰度取值范围相同的标准化人脸图像），中值滤波（图片的平滑操作以消除噪声）以及锐化等。二、人脸识别技术及应用人脸识别技术的主要流程二、人脸识别技术及应用85人脸识别技术的主要流程（3）人脸图像特征提取也称人脸表征，是对人脸进行特征建模的过程。可使用的特征通常分为视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等。（4）匹配与识别提取的人脸特征值数据与数据库中存贮的特征模板进行搜索匹配，通过设定一个阈值，将相似度与这一阈值进行比较，来对人脸的身份信息进行判断。二、人脸识别技术及应用人脸识别技术的主要流程二、人脸识别技术及应用86人脸识别技术的应用范围企业、住宅安全和管理：如人脸识别门禁考勤系统，人脸识别防盗门等电子护照及身份证公安、司法和刑侦自助服务信息安全：如计算机登录、电子政务和电子商务等其他类似常见技术还有指纹识别、手掌几何学识别、虹膜和视网膜识别等，也广泛地应用于身份认证等场境，比如签证应用、身份识别、打卡应用等。二、人脸识别技术及应用人脸识别技术的应用范围二、人脸识别技术及应用87OCR，全称OpticalCharacterRecognition，光学字符识别。利用该识别技术，OCR文字识别可以代替人工录入，将图片上的文字、符号识别出来并变为可编辑的文本。人工智能时代的OCR，又被称为文字识别技术，它是基于深度学习技术，将纸张、图片等载体上的文字内容，智能识别成为可编辑的文本。三、OCR文字识别技术及应用（一）什么是OCR识别？OCR，全称OpticalCharacterRecogn881.智能OCR的优点为什么会出现智能OCR？——深度学习技术进入视觉识别领域，一种全新的基于深度学习的OCR流程被提出来。优点：从单字识别进化到整行识别，文字识别准确率大幅提升；极大提升对识别图像质量的宽容度，可以有效识别光照不均、图像模糊、复杂背景等低质量图像；无需扫描仪或高拍仪、手机、平板等移动设备拍摄的照片，都可以用于识别。甚至，手写字体的识别不再是“噩梦”。三、OCR文字识别技术及应用（二）AI时代，OCR识别的蜕变1.智能OCR的优点三、OCR文字识别技术及应用（二）A89
认知人工智能的应用技术任务二听觉智能——机器如何“闻声识人”人工智能基础与应用
认知人工智能的应用技术任务二听觉智能——机器如何“闻声识人”目录教学目标人工智能基础与应用
认知人工智能的应用技术任务981.理解并掌握语音识别技术的含义及应用领域2.了解声纹识别与语音识别的区别与联系3.进行语音识别的项目实训【教学目标】1.理解并掌握语音识别技术的含义及应用领域【教学目标】991.知识点语音识别语音特征提取人机对话系统的角色演进声纹识别2.技能点掌握语音识别为文本、文本识别为语音的双向实训操作3.重难点本任务的重点是理解语音识别、声纹识别技术的含义、应用领域及相互间的区别和联系,语音如何转变成文本的技术和流程。难点是通过本任务的学习，深度思考语音识别、语义理解、自然语言生成这样一个人机对话系统的演进过程。【教学要求】1.知识点【教学要求】100【内容概览】任务二听觉智能——机器如何“闻声识人”3.2.3声纹识别打造“专属语音管家”，是未来智能语音识别领域的重点方向不仅会捕捉语音内容，还会根据音波特点、生理特征等参数，自动识别说话人的身份3.2.2语音识别技术的应用语音输入3.2.1什么是语音识别技术？目标就是让机器通过识别和理解把语音信号转变为相应的文本或命令语音控制语音识别技术：特征提取技术、模式匹配准则及模型训练技术语音识别任务：孤立词识别、连续语音识别、关键词识别语音对话将语音识别成文字，提升用户的效率，如微信语音转换文字等通过语音控制设备，进行相关操作，如智能音箱、智能汽车系统等根据用户的语音实现交流与对话，对语义理解要求较高。如订票系统、银行服务等语音识别流程：输入——编码——解码——输出【内容概览】任务二听觉智能3.2.3声纹识别打造“专属101【相关知识】【相关知识】102
语音识别技术语音识别技术就是让机器通过识别和理解过程把语音信号转变为相应的文本或命令的技术。根据识别的对象不同，语音识别任务大体可分为3类，即孤立词识别、连续语音识别和关键词识别。一、什么是语音识别技术？语音识别技术一、什么是语音识别技术？103
语音识别流程语音识别技术主要包括特征提取技术、模式匹配准则及模型训练技术三方面。其识别流程为：信号处理：声音信号是连续的模拟信号，为了保证音频不失真影响识别，要进行降噪和过滤处理，保证让计算机识别的是过滤后的语音信息；信号表征：对语音的内容信息根据声学特征进行提取，并尽量对数据进行压缩，特征提取完成之后，就进入了特征识别、字符生成环节；模式识别：从每一帧中找出当前说的音素，由多个音素组成单词，再由单词组成文本句子。通过声学模型识别音素、语言模型和词汇模型识别单词和句子。这样，只要模型中涵盖足够的语料，即语音的大数据集，就能解决各种语音识别问题。整个流程下来，语音就能识别成文本了。一、什么是语音识别技术？语音识别流程一、什么是语音识别技术？104
语音识别技术应用领域概括起来，智能语音识别主要应用于三个领域，这也是语音识别商业化发展的主要方向：1.语音输入系统将语音识别成文字，提升用户的效率，如微信语音转换文字、讯飞输入法等。2.语音控制系统通过语音控制设备，进行相关操作，彻底解放双手，例如智能音箱、智能汽车系统等。3.语音对话系统语音对话系统更为复杂，它将会根据用户的语音实现交流与对话，保证回答的内容准确，对语义理解要求较高。在家庭机器服务员、宾馆服务、订票系统、银行服务等方面，都将会起到非常重要的作用。二、语音识别技术的应用语音识别技术应用领域二、语音识别技术的应用105
语音识别技术应用场景在日常的工作生活中，语音识别已广泛应用。如医疗智能语音录入系统、智能车载、智能穿戴、智能家居等。二、语音识别技术的应用语音识别技术应用场景二、语音识别技术的应用106
什么是声纹识别如果说语音识别的目的是提升效率，那么声纹识别的目的则是进行身份确认与审查。相比较语音识别，声纹识别最大的特点在于：智能系统不仅会捕捉语音内容，还会根据音波特点、说话人的生理特征等参数，自动识别说话人的身份。因为每个人发出的声纹图谱会与其他人不同，声纹识别正是通过比对说话人在相同音素上的发声来判断是否为同一个人，从而实现“闻声识人”的功能。三、声纹识别：让语音识别更加隐秘什么是声纹识别三、声纹识别：让语音识别更加隐秘107
声纹识别的流程三、声纹识别：让语音识别更加隐秘声纹识别的流程三、声纹识别：让语音识别更加隐秘108【练习与思考】讨论题：1.结合你身边的语音识别技术应用案例（如智能音箱、服务机器人），讨论其工作原理和流程。2.想一想，目前的语音识别技术在哪些方面还有提升空间，未来有哪些应用前景？【练习与思考】讨论题：109任务三认知智能——机器如何懂语义、会思考人工智能基础与应用认知人工智能的应用技术任务三认知智能——机器如何懂语义、会思考人工智能基础与应用110目录教学目标教学要求内容概览相关知识3.3.1认知自然语言处理及应用 3.3.2走近知识图谱3.3.3数据智能推动人机协同 练习与思考 人工智能基础与应用
认知人工智能的应用技术任务三认知智能——机器如何懂语义、会思考目录教学目标人工智能基础与应用
认知人工智能的应用技术任务1111.理解并掌握自然语言处理的含义及常见应用2.初步学习知识图谱的内涵、体系及应用3.了解数据智能的定义、发展目标及数据中台的意义【教学目标】1.理解并掌握自然语言处理的含义及常见应用【教学目标】1121.知识点自然语言处理的含义、应用知识图谱的定义知识图谱的体系架构及应用数据智能的发展数据中台和业务中台的价值2.重难点通过本任务的学习，初步了解人工智能最高阶的发展水平——认知智能，包含了哪些重点技术、发展方向及应用场境。本任务的重点是理解自然语言处理、知识图谱、数据智能的定义及在工作生活中的应用领域；难点是理解三者间的促进关系、对人工智能技术水平发展的关键作用，并深度思考当机器懂语义、会思考后，人和机器的关系可能会是什么样。【教学要求】1.知识点【教学要求】113【内容概览】任务三认知智能——机器如何懂语义、会思考3.3.3数据智能推动人机协同数据智能定义及数据中台的价值3.3.2走近知识图谱什么是知识图谱？3.3.1认知自然语言处理及应用定义知识图谱的体系架构发展趋势常见应用知识图谱的应用把复杂的知识通过数据挖掘处理，实现客观规律的归纳和总结知识抽取、知识表示、知识融合语义搜索、智能推荐、私人助理、知识存储、数据校验、专家系统、客服机器人人类语言和机器语言之间的桥梁，使机器拥有能够理解、处理、并使用人类语言的能力机器翻译、情感分析、智能问答、个性化推荐、文本分类大规模语言数据的分析处理能力、人-机交互方式目标是让数据驱动决策，让机器具备推理等认知能力发展进程业务数据化（收集、监测、洞察）-描述跟踪业务智能化（决策、重塑）-改造提升细分：中台（技术中台、数据中台、业务中台）和应用场景数据中台价值是将数据资产化，为应用打基础应用方式：数据集、数据模型、数据应用【内容概览】任务三认知智能3.3.3数据智能推动人机协同114【相关知识】自然语言处理与知识图谱【相关知识】自然语言处理与知识图谱115
什么是自然语言处理？自然语言处理的目标是弥补人类交流(自然语言)与计算机理解(机器语言)之间的差距，最终实现计算机在理解自然语言上像人类一样智能，使计算机拥有能够理解、处理、并使用人类语言的能力。一、认知自然语言处理及应用什么是自然语言处理？一、认知自然语言处理及应用116
自然语言处理的常见应用“机器翻译”让世界变成真正意义上的地球村，因其效率高、成本低满足了全球各国多语言信息快速翻译的需求。“情感分析”可以从大量数据中识别和吸收相关信息，而且能够判断出一段文字所表达观点和态度的正负面性。“智能问答”能够指利用计算机自动回答用户所提出的问题。“个性化推荐”可以依据大数据和历史行为记录，学习用户兴趣爱好，实现对用户意图的精准理解，实现精准匹配。“文本分类”通过分析邮件中的文本内容，能够相对准确地判断邮件是否为垃圾邮件。一、认知自然语言处理及应用自然语言处理的常见应用一、认知自然语言处理及应用117
自然语言处理的常见应用电子商务背后的自然语言处理应用分析用户词句个性化推荐情感分析智能问答一、认知自然语言处理及应用自然语言处理的常见应用一、认知自然语言处理及应用118
自然语言处理的发展趋势未来自然语言处理将朝着两个互补式的方向发展：“大规模语言数据的分析处理能力”和“人-机交互方式”。1.大规模语言数据的分析处理能力：指的是建立在自然语言处理上对语言信息进行获取、分析、推理和整合的能力。一、认知自然语言处理及应用自然语言处理的发展趋势一、认知自然语言处理及应用119
自然语言处理的发展趋势2.人-机交互方式：指的是将自然语言作为人与机器交互的自然接口和统一的交互方式。不同的机器，通常要使用不同的开发语言或方式，这严重影响了人们对机器的开发与使用。只有通过采用自然语言处理，才能让机器具有理解人类语言的能力，从而实现建立在自然语言基础上的人机交互。总结：自然语言处理作为一门新兴学科，其最终目标是为了弥补人类交流（自然语言）与计算机理解（机器语言）之间的差距，最终实现计算机在理解自然语言上像人类
0/150
联系客服
本站为文档C2C交易模式，即用户上传的文档直接被用户下载，本站只是中间服务平台，本站所有文档下载所得的收益归上传人(含作者)所有。人人文库仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对上载内容本身不做任何修改或编辑。若文档所含内容侵犯了您的版权或隐私，请立即通知人人文库网，我们立即给予删除！