AI 图像识别的测试_拍照识别功能测试点有哪些

2401_87109462

于 2024-09-11 17:11:26 发布

阅读量564

点赞数 6

文章标签：人工智能

本文链接：https://blog.csdn.net/2401_87109462/article/details/142145196

版权

a) 计算机视觉

也称为机器视觉，是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图像处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。
最好理解的场景，比如拍一个花的照片，通过机器学习自动告知用户这是什么花。拍一个店铺的照片，机器学习自动分析出店铺的名字，以及店铺的位置。

b) 生物识别

通过计算机，与光学、声学、生物传感器、统计学的概念手段结合，利用人体固有的生理特性和行为特征进行个人身份的鉴定。比如通过人的指纹，和数据库录入的指纹比较，判断是否是同一个人。

机器视觉和生物识别都属于AI 的应用领域，机器视觉和生物识别的本质，都在于对于图像图像的识别和比对。人脸识别，则是将机器视觉与生物识别结合，对人类的面部特征应用计算机视觉的一个典型场景。

怎么测试图像识别

结合 AI 的架构和核心来分析。

数据收集和处理

既然是视觉，必然是人肉眼所能看到的内容，动态和静态的景、人、建筑、动植物、书本等等，归根结底可以认为是图片。数据收集的过程是，在安装拍照摄像设备之后，从动态的场景与复杂的背景中判断是否存在识别的对象，并分离出对象。采集到照片。因此测试需要从至少这两方面来考虑。
a) 采集的素材
图片的像素、大小、清晰度、色彩、复杂度、噪声等，会直接影响到计算机识别的结果。
举个例子来说，下方的三个图，对于肉眼和计算机学习去区分的难度是明显不一样的。识别的难度A一定小于B和C。
图A 图B 图C

b) 采集的器材

图片一般是用摄像头拍摄获得的，那么不同品牌和参数的摄像头，拍摄出来的照片像素、清晰度、色彩，甚至是层次都会有差异。

数据理解和特征提取

数据理解的目的在于，获取到原始数据之后，分析数据的有效性，并且将数据里有用的，并且将有典型特征的抽取出来。比如我们拍摄的各种照片，需要从中识别出是包含一朵花的，还是包含一个人的，是一辆自行车还是一辆小汽车。
这个唯一的解决方案是，让机器拿到足够多的样本进行训练，训练的越多，模型将越准确。

**测试模型的准确性，也要针对性的找足够多足够全的样本。**假设识别的对象是花，那么就尽可能的测试到各地、各类、各种颜色、各种角度的花，真实材质非真实材质等等。假设识别的对象是车，那么就尽可能的测试到各种类别、各种品牌、各种款式的车。

模型构建、训练和评估

计算机只会告诉我们比对的两张图片的相似程度，是80%或者是20%，但不会告诉我们这两张图里的内容是否是同一个东西。因此图片比对一定会有一个阈值的概念。设置相似度大于x%的时候，视为比对通过，小于x%的时候，视为比对不通过。
设定阈值的过程就是模型评估。阈值设定过低，则比对通过率高，误报率可能也会升高。阈值设定过高，则比对通过率低，误报率可能也会降低也可能会增高。