杜抒沛

摘要

本文基于人工智能實(shí)現(xiàn)了對(duì)手機(jī)照片按照照片內(nèi)容分類。將手機(jī)存儲(chǔ)中的照片導(dǎo)入到計(jì)算機(jī)文件夾中，根據(jù)照片內(nèi)容人工先區(qū)分并建立工作學(xué)習(xí)相關(guān)照片類別文件夾和其他照片類別文件夾兩類文件夾。然后運(yùn)用AI開放平臺(tái)進(jìn)行手機(jī)照片分類實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果證明本文思路的可行性。

【關(guān)鍵詞】人工智能 深度學(xué)習(xí) 手機(jī) 照片 分類

1 引言

智能手機(jī)已經(jīng)成為人們現(xiàn)代生活中的必需品，特別是智能手機(jī)中的拍攝功能，給人們的工作和生活都增添了便利，可以隨時(shí)隨地以影像的方式記錄想要記錄的內(nèi)容，如工作學(xué)習(xí)中的文檔和課件，生活中的自然景色等等。但是隨著智能手機(jī)的存儲(chǔ)功能的增強(qiáng)，以及人們拍攝的照片數(shù)量的增加，以及手機(jī)屏幕尺寸較小造成的瀏覽限制等因素，有時(shí)想要從手機(jī)存儲(chǔ)的大量照片中找到需要的照片并非易事。雖然目前的手機(jī)照片存儲(chǔ)功能中包含了一些簡單的分類功能，但基本是根據(jù)時(shí)間或者照片的系統(tǒng)來源等功能進(jìn)行分類，并沒有根據(jù)照片中的內(nèi)容進(jìn)行識(shí)別分類。國內(nèi)已有部分相關(guān)研究，但是或局限于按人分類照片，或基于非深度學(xué)習(xí)算法的多類別分類，分類效果有待提高，當(dāng)然也有國內(nèi)相關(guān)開放AI平臺(tái)實(shí)現(xiàn)了更為精確的圖像多分類識(shí)別。其實(shí)在實(shí)際生活應(yīng)用中，人們對(duì)于手機(jī)照片的分類需求更多地在于區(qū)分是否為工作相關(guān)，因此只需將照片分為工作學(xué)習(xí)相關(guān)和生活其他相關(guān)兩類即可。

本文應(yīng)用人工智能的圖像分類算法對(duì)手機(jī)中的照片圖像進(jìn)行學(xué)習(xí)訓(xùn)練，建立了基于手機(jī)照片內(nèi)容的分類模型，可以將手機(jī)的照片根據(jù)內(nèi)容用途分為學(xué)習(xí)工作相關(guān)照片和其他生活照片兩類，有利于人們在實(shí)際應(yīng)用中更好地查找手機(jī)照片，幫助人們提高了手機(jī)照片查找的效率，特別是對(duì)于為一些商務(wù)人士在一定場合下提供了便利和幫助。

2 圖像分類算法和平臺(tái)

2.1 深度學(xué)習(xí)和卷積神經(jīng)網(wǎng)絡(luò)

深度學(xué)習(xí)的概念由Hinton等人于2006年提出，由神經(jīng)網(wǎng)絡(luò)算法發(fā)展起來的含多隱層的多層感知器就是一種深度學(xué)習(xí)結(jié)構(gòu)。深度學(xué)習(xí)通過組合低層特征形成更加抽象的高層表示屬性類別或特征，以發(fā)現(xiàn)數(shù)據(jù)的分布式特征表示。深度學(xué)習(xí)包括自編碼深度神經(jīng)網(wǎng)絡(luò)、限制波爾茲曼機(jī)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)（CNN）和循環(huán)神經(jīng)網(wǎng)絡(luò)CRNN）等形式。

其中卷積神經(jīng)網(wǎng)絡(luò)（CNN卷積網(wǎng)絡(luò)通過一系列方法，成功將數(shù)據(jù)量龐大的圖像識(shí)別問題不斷降維，最終使其能夠被訓(xùn)練。CNN最大的特點(diǎn)就是參數(shù)共享機(jī)制，基本結(jié)構(gòu)包括兩層，其一為特征提取層，每個(gè)神經(jīng)元的輸入與前一層的局部接受域相連，并提取該局部的特征。其二是特征映射層，網(wǎng)絡(luò)的每個(gè)計(jì)算層由多個(gè)特征映射組成，每個(gè)特征映射是一個(gè)平面，平面上所有神經(jīng)元的權(quán)值相等。特征映射結(jié)構(gòu)采用激活函數(shù)，使得特征映射具有位移不變性。因此CNN被廣泛應(yīng)用于圖像分類。

2.2 圖像分類算法平臺(tái)

圖像分類是依據(jù)每個(gè)圖像信息中反應(yīng)出來的不同特征，把不同類別的目標(biāo)圖像區(qū)分開來的一種圖像處理方法，是利用計(jì)算機(jī)對(duì)圖像進(jìn)行定量分析，代替人的視覺判讀，原理是把圖像中的區(qū)域分割成一系列的子圖像，提取每個(gè)子圖像的特征后得到原圖像的分類結(jié)果。圖像分類預(yù)測的流程如圖1所示。

目前最主流的深度學(xué)習(xí)平臺(tái)是TesorHow，它是Google開源的深度學(xué)習(xí)框架，TesorHow將復(fù)雜的圖像數(shù)據(jù)傳輸至人工神經(jīng)網(wǎng)絡(luò)，然后進(jìn)行分析和處理。利用Tesorflow訓(xùn)練模型，可以建立一個(gè)快速、低成本、精準(zhǔn)的圖像分類器。卷積神經(jīng)網(wǎng)絡(luò)由于其較好的容錯(cuò)性、權(quán)值共享、自適應(yīng)性等特點(diǎn)，是一種基于多層監(jiān)督學(xué)習(xí)的人工神經(jīng)網(wǎng)絡(luò)，被廣泛用于物體檢測、圖像識(shí)別等領(lǐng)域。

3 手機(jī)照片人工分類和模型分類過程

3.1 手機(jī)照片人工分類

將手機(jī)中照片導(dǎo)出到電腦中，分別建立兩個(gè)文件夾：工作學(xué)習(xí)文件夾和生活其他文件夾。將手機(jī)中的照片進(jìn)行人工分類，分別放在兩個(gè)文件夾中，每個(gè)文件夾中都含有20張照片。如圖2所示。

3.2 實(shí)驗(yàn)過程

如圖3所示，圖像的分類過程應(yīng)用國內(nèi)開放的AI平臺(tái)來實(shí)現(xiàn)。該AI平臺(tái)含有“圖片標(biāo)簽類別”的識(shí)別功能，該功能可以認(rèn)為是在后臺(tái)已經(jīng)有了一個(gè)訓(xùn)練好的基于圖像數(shù)據(jù)集的圖像分割識(shí)別和分類標(biāo)記的模型，輸入圖片都會(huì)將識(shí)別中的類別標(biāo)簽標(biāo)記出來。具體過程如下：

（1）定義：

work文件夾中圖片正確分類結(jié)果為識(shí)別標(biāo)簽中含有“文本”;

other文件夾中的圖片正確分類結(jié)果為識(shí)別標(biāo)簽中不含有“文本”

（2）將other文件夾和work文件夾中圖片分別上傳到AI平臺(tái)進(jìn)行圖片標(biāo)簽識(shí)別，將每張圖片的識(shí)別標(biāo)簽記錄下來;

（3）分別統(tǒng)計(jì)work文件夾和other文件夾中圖片的正確識(shí)別結(jié)果和錯(cuò)誤識(shí)別結(jié)果，計(jì)算識(shí)別準(zhǔn)確率。

4 結(jié)論和應(yīng)用

經(jīng)過統(tǒng)計(jì)，Work文件夾和other文件夾的識(shí)別分類準(zhǔn)確率分別100%和100%。本文沒有應(yīng)用分類數(shù)據(jù)集進(jìn)行分類模型的重新訓(xùn)練，而是應(yīng)用了公開的已經(jīng)訓(xùn)練好的圖像分類模型。但是從識(shí)別分類結(jié)果來看，本文的思路具有可行性。

應(yīng)用本文中的圖像分類方法和過程，可以將手機(jī)中的照片安裝照片的內(nèi)容進(jìn)行分類。本文中只應(yīng)用于工作學(xué)習(xí)照片和生活其他照片兩類。這種分類方法既可以提高分類的準(zhǔn)確率，也更加貼近于實(shí)際生活應(yīng)用。

將本文中的思路開發(fā)成手機(jī)APP裝到手機(jī)中，后臺(tái)接口可以使用開放AI平臺(tái)，也可以自己開發(fā)，可以將照片進(jìn)行兩分類，可以省略圖像上傳操作，直接后臺(tái)讀取圖像數(shù)據(jù)進(jìn)行識(shí)別。因此在照片查找時(shí)，這樣可以更加方便，節(jié)省時(shí)間，具有一定的實(shí)際應(yīng)用價(jià)值。

參考文獻(xiàn)

[1]黃凱奇，任偉強(qiáng)，譚鐵牛.圖像物體分類與檢測算法綜述[J].計(jì)算機(jī)學(xué)報(bào)，2014（06）：1225-1240.

[2]李東陽.Android手機(jī)上圖像分類技術(shù)的研究.[D].北京：北京郵電大學(xué)，2012.

[3]李龍.基于Android的照片分類管理軟件的設(shè)計(jì)與實(shí)現(xiàn)[D].廣州：華南理工大學(xué)，2017.

[4]湯曉鷗，陳玉琨.人工智能基礎(chǔ)（高中版）[M].上海：華東師范大學(xué)出版社.北京：商務(wù)印書館，2018：52-60.

[5]Tecent A1 Open Platform.https：//ai.44.com/product/visionimgidy.shtml#tag.