人工智能基础总结

一，AI人工智能概览

人工智能产业图谱

1.基础层:AI芯片(GPU,ascend),云计算，大数据
2.算法层:机器学习，深度学习
3.框架层:Mindspore,TensorFlow,PyTorch,PaddlePaddle
4.技术方向:计算机视觉处理，语音处理，自然语言处理，运筹优化，数据挖掘
5.技术应用:图像识别，图像处理，图像理解，语音处理，语音合成，机器翻译，语义理解，情感分析
6.AI行业应用:金融，医疗，工业，农业，安防，煤矿，交通，VR,AR,其他

计算机视觉

1.基本概念
计算机视觉（CV）是使计算机能理解采集设备采集的图像视频的一门学科。
形象地说，就是给计算机安装上眼睛（照相机和大脑（算法），让计算机能够感知环境。
2.涉及技术
人体技术相关，人脸技术相关

3.典型应用
内容审核，图片搜索，文字识别，电子考勤，智能相册，道路感知
4.面临的挑战
光照变化，尺度变化，遮挡，形变，运动模糊，平面内旋转，超平面旋转,背景干扰，低分辨率

自然语言处理

1.基本概念
自然语言处理(Natural Language Processing, NLP) 是用计算机处理人类语言的理论和技术，让计算
机能够理解和生成人类语言。
自然语言处理= 自然语言+ 处理
人类语言：以语音为物质外壳，由词汇和语法两部分组成的符号系统。文字和声音是语言的两种属性。
机器：用计算机进行处理，让计算机能够理解和生成人类语言。
2.涉及技术
基础技术
应用技术
3.典型应用
对话理解，智能客服，自动文摘，即时通讯翻译，评论分析，文案分类

4.面临的挑战
词法，句法，语义，结构，语境等歧义

语音处理

1.基本概念
语音信号处理(Speech Signal Processing)简称语音处理，是用以研究语音发声过程、语音信号统计特性、语音自动识别、机器合成以及语音感知等各种处理技术的总称
2.涉及技术
自然语音技术
3.典型应用
实时字幕，会议记录，电话回访，语音搜索，语音导航，有声阅读
4.面临的挑战
输入不统一，噪声影响，模型有效性

二，AI应用需求分析

1.需求分析:需求背景，需求价值，需求描述，问题抽象，可行性分析

三，AI应用集成测试

1.测试流程和活动
场景分析，特征因子分析，数据构建，评测指标，自动化方案
2.特征因子分析
有好的数据才有好的模型，有好数据才可能会有好的输出结果
特征因子示例:图像过曝，图像过暗，图像模糊，背景干扰，图像倾斜，合格图像
2.数据构建

基于应用场景、特征因子等进行数据集构建，包括但不限于：数据类别、不同因子比例、环境因素、特定要求等。在构建测试阶段的数据集时，需要尽可能地覆盖正式环境中各种各样的数据情
况。
⚫ 构建数据集流程主要包括：数据采集、数据清洗和分析理解数据
数据构建 - 数据采集
⚫ 1、冷启动数据采集
 （1）线下搜集历史数据；
 （2）在合法合规前提下，通过爬虫获取网络数据；
 （3）向第三方数据公司采购；
⚫ 2、线上数据回流 AI应用上线后，在合法合规的前提下，通过业务后台搜集真实的应用场景数据
数据构建 – 数据清洗
数据构建 – 数据分析理解
⚫ 分析理解并选择合适的数据参与模型训练和迭代是AI应用开发过程中非常重要的一步，理解数据
可以从以下两方面展开：
 样本分布分析：帮助分析样本的分布，判断构建的数据集能否覆盖多样化的数据情况；
 负向样本分析：如果某些样本的测试效果不好，能帮助进行对AI模型的特征因子分析，快速整理出规律，牵引AI应用优化方向
数据构建 – 负向样本分析
测试效果不好的样本中，大致可以分为两类，难例样本和新类别样本
评测指标
⚫ 评测指标分为两大类：精度指标和性能指标。精度指标在不同的AI技术领域有不同的常用指标，
如下表所示：
评测指标
技术领域
学术界公认的常用指标
图像分类 准确率、召回率、精确率、F1值、ROC曲线、P-R曲线、混淆矩阵
目标检测 mAP(mean average precision)
图像分割 MIoU(Mean Intersection over Union)
文字识别 CPR(Character Precision Rate)、CRR(Character Recall Rate)
机器翻译 BLEU(Bilingual Evaluation understudy)、
ROUGE(Recall-Oriented Understudy for Gisting Evaluation)
语音识别:WER,SER

评测指标 – 性能指标
常用的性能指标有：
 FPS(Frames Per Second)，每秒能处理的图片数；
 FLOPs(Floating-point Operations Per Second)，模型所需的浮点数处理次数；
 GPU显存占用；
 QPS(Query Per Second)，衡量AI应用API每秒能响应的请求数；