如何才能提高計算機視覺的精確度？并讓它發(fā)揮更大的作用呢？

我們在上一篇文章《計算機視覺是什么》中提到，計算機視覺是人工智能的一項關(guān)鍵能力。

但計算機視覺目前也有不足：即使經(jīng)過大量數(shù)據(jù)訓(xùn)練，分類器仍然會犯錯。那么如何才能提高計算機視覺的精確度？并讓它發(fā)揮更大的作用呢？

提高計算機視覺的精確度

研究人員曾利用一個訓(xùn)練過的 AlexNet 神經(jīng)網(wǎng)絡(luò)來打造另一個可以識別吉他的 AlexNet 網(wǎng)絡(luò)，通過可信度評級（ confidence rating ），后者繪制出了可信度高達(dá) 99% 的吉他圖像。

這表明神經(jīng)網(wǎng)絡(luò)有著巨大的潛力，通過持續(xù)改進，我們可以用更少的數(shù)據(jù)得到滿意的結(jié)果。

有了合理訓(xùn)練過的模型，和高相關(guān)性的數(shù)據(jù)提升精確度，計算機視覺的未來應(yīng)用不可限量。

讓生活更安全

計算機視覺可以讓我們的生活更安全。比如，利用計算機視覺掃描虹膜和指紋，我們可以更方便地管理進入辦公室建筑的人群，還能檢索人們的病歷或犯罪記錄。

這確實會帶來潛在的數(shù)據(jù)隱私問題 ——這也是Qualcomm將重點放在終端側(cè)人工智能上的原因：將用戶數(shù)據(jù)保留在設(shè)備上，大大降低了隱私風(fēng)險。

在網(wǎng)絡(luò)安全方面，計算機視覺也已經(jīng)發(fā)揮著重要作用，例如，在一些視頻網(wǎng)站上，當(dāng)用戶試圖上傳恐怖主義內(nèi)容時，人工智能系統(tǒng)會分析是否與已知的恐怖主義視頻相匹配，一旦確認(rèn)匹配，用戶將無法上傳。

優(yōu)化基礎(chǔ)設(shè)施

計算機視覺也可以提高道路的質(zhì)量，通過讓機器更快、更準(zhǔn)確地檢測表面的微小缺陷，我們可以提高道路驗收效率。

此外，計算機視覺還可以優(yōu)化城市交通管理。以前，只有在發(fā)生事故后我們才能確定哪些路段比較危險。但計算機視覺能識別出那些潛在的交通事故，并加以分類。借助這些數(shù)據(jù)，我們可以采取更主動的措施來避免交通事故。決策者在規(guī)劃時也可充分使用這些數(shù)據(jù)，避免構(gòu)建高危的交叉路口。

隨著能力的日漸提升，計算機視覺可以消除我們生活中的許多麻煩，讓我們專注于最重要的事情。

Qualcomm一直致力打造“隨叫隨到”的終端側(cè)人工智能，同時也在研究更高效的人工智能硬件。