人工智能基础:二分类在生活中的应用

人工智能系统处理的是各种各样的数据：图像、声音、文字、视频等。分类就是要根据所给数据的不同特点,判断它属于哪个类别。我们往往会根据物体具体有的一些特点来区分它们，对某些方面的特点进行刻画的数字或属性，我们称之为特征。通过实际量测，可以得到物体的特征，在数学上用向量来表示。有了向量这个数学工具后，我们可以把描述一个事物的特征数值都组织在一起，开成一个特征向量,对它进行更完备的刻画。把特征向量表示在直角坐标系中，表示特征向量的点被称为特征点；这些特征点构成的空间被称为特征空间。

二次分类就是把事物分成两个类别，二次分类在生活中广泛应用。生活中所遇到的“是不是问题”都属于二分烟灰缸范畴。如：这是不是一张人脸？这是不是有癌症的医学影像？这是不是一处可能有矿藏的地方？……下面以相机中的人脸检测为例进行说明。

外出游玩时，不管是用手机还是单反拍照，当镜头对准人脸时，都会出现一个矩形框，框出人脸的区域，这个技术是怎么做到呢？

相机中的人脸检测技术使用的就是二分类技术。一张照片被切割成一块块的图像块，切割很密集，它们重叠连续地将照片切割成小图像块。一张照片往往被切割出来成千上万的图像块。每一个图像块都会经过人脸分类器去判别是否是人脸。人脸分类器是预先训练好的二分类器，对于预测是人脸的图像块，相机就在这个图像块的时候显示出框的位置，这就是相机中的人脸检测原理。

在拍照时，由于距离远近造成的人脸大小不一样，实际上，在图像切割的时候，并不是一种尺寸的图像块切割，而是从小到大有很多尺寸，保证了能够涵盖几乎各种大小的人脸。一张照片截取的图像块数量是非常大的，使用的人脸分类器简单、运算量小，还有其他优化速度的技术使用，整个流程时间往往很难被我们感知到，所以相机中的人脸检测是实时的感觉。虽然不同尺寸、不同位置的图像块可能同时都被判为人脸，就会有很多的重叠框。事实上，在人脸附近截取出来的不同位置、不同尺寸的图像都是人脸，这些框都在人脸的附近，可以通过后处理整合技术，将这些框融合为一个框，得到相机中人脸检测。
（金牛微信：Ruby-52014;暗号：币乎。）