当下人工智能是一个非常热门的领域，在人脸识别，机器人技术，语音智能等领域如日中天，大家有没有考虑过有一天，电脑也能识别出各种珠宝首饰，帮助鉴定机构鉴定呢？
笔者近日就利用人工智能技术，成功的让电脑识别出了几种常见的珠宝首饰类型，如手链，项链，戒指等。
笔者主要采用了“神经网络”来对珠宝的类型进行学习（人工神经网络（Artificial Neural Networks，简写为ANNs）是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的，并具有自学习和自适应的能力）。简单来说，就是模拟人脑的神经反射过程，借助tensorflow为实现工具，电脑对于标准的珠宝图片（背景较为单一，拍摄角度易于识别）进行识别，识别率竟然高达94%以上，所以目前从计算机技术上来说，已经可以实现，可实际应用到珠宝领域的并不多。
实际上，手镯、项链、戒指等珠宝首饰的类型是比较清晰的，神经网络技术学习背后本身正是根据已有的学习数据进行建模，产生网络的不同权重值和偏置。不同的首饰在形态上区别较明显的，因此电脑可以学会神经网络并进行分类。
我们采用了Incetion v3作为基础模型（Incetion v3模型是2015年提出的，GoogLeNet拓展的用于图像分类的基础模型）。对图像识别的准确度达到了97%以上。但是基于对计算复杂度的考虑，我们并没有重新初始化该神经网络，而是直接采用了在ImageNet(ImageNet 是一个计算机视觉系统识别项目名称，是目前世界上图像识别最大的数据库。是美国斯坦福的计算机科学家，模拟人类的识别系统建立的。ImageNet能够从图片识别物体，未来用在机器人身上，可以直接辨认物品和人了。)的数据集上训练好的Inception-v3模型，其基于论文DeCAF:A Deep Convolutional Activation Feature for Generic Visual Recognition中的结论，可以保留训练好的Inception-v3模型中的所有卷积层参数，只是替换最后一层全连接层。
我们的这种做法在神经网络中称为迁移学习，一般来说在数据量足够的情况下，其效果不如完全重新训练。但是迁移学习所需要的训练时间和训练样本数要远远小于训练完整的模型。实际也证明了我们对标准珠宝图片的识别准确率达到94%以上。
关于珠宝图片的分类和选取，我们选取了大约5万张左右的各种珠宝首饰图片并对其进行了分类，作为学习样本。值得一提的是，这里有三个问题：
1.每个分类的样本数量不应低于1000件，过少的样本会产生欠拟合（没有涵盖大部分的情况）。
2.背景颜色不能太复杂，对鉴别结果会产生影响。最好采用白色或浅色的背景
有些照片人眼也未必可以识别其类别，如戒指和手镯，在不同比例尺下，看上去非常相似。
最终的运算大约有20万次迭代，在笔者的电脑上运行时间约1小时20分钟（笔者电脑配置为i5 3470,16G内存，显卡为Nvidia GTX 1070 8G）。识别效果目前貌似还不错。
识别首饰的形态，是让电脑学习认知珠宝的第一步，更进一步，不同的珠宝检测细节也可以让电脑来进行学习和识别，虽然说仅仅只凭一张照片是不可能鉴定出一种宝石（即便是最优秀的珠宝鉴定师，也不可能做到仅看一张照片就知道是何许物也），但是却能够对宝石进行初步的分类，再加上一些辅助手段，分类宝石会变得更加容易。
相信有一天，机器真的能够帮助我们识别珠宝，在珠宝鉴定领域更加广泛的运用。
我们会在近期推出具体的实现视频，敬请留意~
武汉思维瑞科技有限公司版权所有，转载请注明出处。
联系客服
