• 2017年11月25日 星期六

中国模式识别白皮书



《中国人工智能系列白皮书》编委会

主  任:李德毅 

执行主任:王国胤

副 主 任:杨放春 谭铁牛 黄河燕 焦李成 马少平 刘 宏

     蒋昌俊 任福继 杨 强

委  员:陈 杰 董振江 杜军平 桂卫华 韩力群 何 清

     黄心汉 贾英民 李 斌 刘 民 刘成林 刘增良

     鲁华祥 马华东 马世龙 苗夺谦 朴松昊 乔俊飞

     任友群 孙富春 孙长银 王 轩 王飞跃 王捍贫

     王万森 王卫宁 王小捷 王亚杰 王志良 吴朝晖

     吴晓蓓 夏桂华 严新平 杨春燕 余 凯 余有成

     张学工 赵春江 周志华 祝烈煌 庄越挺





《中国模式识别白皮书》编写组

刘成林  杨  健  周  杰  孙哲南  陶建华  黄凯奇  吴毅红

冯建江  王昌栋  高  蔚  李  俊  李  雅  刘  斌  申抒含

樊  彬


 

目   录

第1章 前  言1

1.1 模式识别概述1

1.2 本白皮书内容组织2

第2章 模式识别研究现状3

2.1模式识别基础理论3

2.2计算机视觉9

2.3应用基础研究15

2.3.1生物特征识别16

2.3.2文字识别19

2.3.3语音识别21

第3章 技术应用情况23

3.1 图像与视频检索23

3.2智能视频监控25

3.3 生物特征识别27

3.4文字识别27

3.5语音识别29

第4章 国内研究特色与差距31

4.1模式识别基础31

4.2计算机视觉31

4.3生物特征识别33

4.4文字识别33

4.5语音识别34

第5章 未来挑战和发展趋势35

第6章 结束语39

参考文献40


 

第1章 前  言

1.1 模式识别概述

模式识别(Pattern Recognition)是通过分析感知数据(图像、视频、语音等),对数据中包含的模式(物体、行为、现象等)进行判别和解释的过程。模式识别能力普遍存在于人和动物的认知系统,是人和动物获取外部环境知识,并与环境进行交互的重要基础。我们现在所说的模式识别一般是指用机器模拟人的感知过程实现对感知数据的模式分析与识别,是人工智能领域的一个重要分支。模式分类是模式识别的主要任务和核心研究内容。分类器设计是在训练样本集合上进行优化(如使每一类样本的表达误差最小或使不同类别样本的分类误差最小)的过程,也就是一个机器学习过程。近年来,模式识别与机器学习的方法也被广泛用于感知数据以外的数据(如文本、互联网数据、传感网数据、基因表达数据等)分析问题,形成了数据挖掘领域。

由于模式识别的对象是存在于感知数据中的物体和现象,它研究的内容还包括信号/图像/视频的处理、分割、形状分析、运动分析、上下文分析等。具体地说,模式识别的研究内容主要包括:

模式描述和分类。模式分类是建立在适当的模式(这里指单个模式样本)和类别描述基础之上的。按照模式和类别的描述方式,模式分类方法可以分为统计模式识别、句法结构模式识别、人工神经网络、核方法、集成分类方法等。模式的特征提取、特征选择、分类和聚类等同时也是机器学习的重要研究内容。

计算机视觉与图像/视频分析。视觉是人类获取信息的最主要来源。图像/视频信号处理、分割(模式/背景分离及模式与模式分离)、三维视觉建模、场景分析、运动分析、形状建模和匹配等都是模式识别的重要研究内容。

模式识别和视觉技术应用。模式识别技术广泛用于工业生产、社会生活和国防安全等领域,进行自动信息处理和判别,以提高生产、管理、生活、安全监控等的效率。具体应用包括工业视觉检查、机器人感知、文字识别/文档分析、语音识别、生物认证、医学图像分析(计算机辅助诊断)、遥感图像分析、网络内容分析与检索等。

20世纪50年代可以认为是模式识别学科的形成期,当时发表了一些关于统计模式识别的重要论文,人工神经网络“感知机”(Perceptron)也对模式识别和人工智能产生了重要影响。60年代召开了第一个以“模式识别”为题的学术会议。1972年,第一届国际模式识别大会(ICPR,前几届称为IJCPR)召开。国际模式识别学会(IAPR)在1974年第二届ICPR上筹建,并于1978年正式成立。

模式识别领域早期的方法主要是统计模式识别,其数学基础可以追溯到18世纪出现的贝叶斯规则及后来的高斯分布、伯努利分布、Fisher判别分析等。20世纪70到80年代,句法和结构模式识别方法受到高度重视。80年代末到90年代中,人工神经网络非常热门,后来逐渐被支撑向量机和核方法盖过了风头。90年代末到21世纪以来,随着模式识别应用普及和面对的问题越来越复杂,多种新的模式分类器学习方法快速发展,如集成学习、半监督学习、多标签学习、迁移学习、多任务学习等。近几年,在多层神经网络基础上发展起来的深度学习和深度神经网络在很多模式识别应用领域产生了领先的性能,成为当前最热门的方法。21世纪以来也是计算机视觉领域和机器学习领域快速发展的时期,相关学术会议Computer Vision and Pattern Recognition (CVPR),International Conference on Computer Vision (ICCV), International Conference on Machine Learning (ICML)等日益受到高度重视。

1.2 本白皮书内容组织

本白皮书旨在介绍模式识别领域的基本状况,近几年(尤其是过去5年)在基础理论与方法、计算机视觉、应用技术研究方面的重要进展,产业应用情况,面临的挑战和发展趋势等。供模式识别及其应用相关领域的研究生、研究者和技术开发人员参考。

下面第2章介绍近几年模式识别领域研究进展状况,包括模式识别基础、计算机视觉、应用(主要是生物特征识别、文字识别、语音识别)基础研究。第3章介绍主要技术应用和产业发展状况。第4章分析国内在模式识别领域的研究特色及与国际前沿的差距。第5章分析模式识别领域的当前挑战和发展趋势。第6章为结束语。


中国人工智能学会

二○一五年十一月




随文附件

附件1. 中国模式识别白皮书.doc

中国人工智能学会
2016年01月09日

Copyright © 2010 中国人工智能学会 京ICP备06029423号
本站访问量:21973
地址: 北京市海淀区西土城路10号 邮编: 100876 电话: 010-62281360 传真: 010-62282983

二维码