不知道大家有沒有看過像這樣的 reCAPTCHA 圖型識別驗證機制？為什麼這玩意可以迅速分辨出使用者是不是「人類」呢？

圖源：DATA SCIENCE BLOG
原因在於，要叫「機器」辨別圖型，比用人眼辨別複雜多了！以上圖辨別「路牌」來說，各國各地路牌的樣式、顏色、形狀、語言、書寫方向，以及拍攝的角度、光線等全部都不一樣，要讓機器在各種不同的條件下都能夠辨別圖片裡的東西是不是路牌，其實是門大學問。

圖型識別核心理念

「圖型識別」就是讓電腦去「學習」什麼東西長什麼樣子，待電腦遇到新的圖片時，可以根據過往經驗，辨別當中的內容「是不是某樣東西」。

假設我們要電腦分辨貓與狗，這時候可能出現兩種極端狀況：

識別很不準，把很多貓誤認成狗、把很多狗誤認成貓
識別超準：狗就是狗、貓就是貓，完全沒有任何差錯

第二種情形看似理想，但會出現一種稱為「過適（overfitting）」的狀況，表示過於精確匹配特定的資料集，這會導致電腦在辨別一特定群體的資料時，有非常高的精準度，但若有新的資料進來，識別能力就會大打折扣。

要夠準，又不能太準

就好像我們不希望自己在解數學題目時，永遠只停留在「看過的才會寫、沒看過的就沒轍」階段，做圖型識別時也會希望「有新的資料進來也能處理」，因此，在用舊有資料訓練機器時，識別模型要複雜到「可以分辨兩種不同物體」、但又不能複雜到「只針對特定資料有超高精準度」。

圖型識別系統（PATTERN RECOGNITION SYSTEMS）

圖型識別流程如下：

圖型識別系統概念圖（實際流程非永遠單向）

在透過照相機等換能器（transducer）完成感測（sensing）、取得輸入圖片，並將圖片轉為訊號資料後，大體上會透過下列流程完成圖型識別：

分割（segmentation）：要將目標圖型從背景中取出，若有多個圖型重疊，也要能夠辨別。
特徵提取（feature extraction）：主要是為了下一步「分類」做準備，可以做出一個「代表（representation）」，其提取目標為同一目標圖型都有的相似特徵、但不受該圖型本身型態變化的影響，例如要找出「狗」時，需提出狗與其他物體不同的特徵，但拍攝狗的角度、距離、甚至是否拍到全身等都不應讓機器無法識別該物體是否為「狗」。
分類（classification）：透過上一步驟提取的特徵，將物體分類，例如將符合 A 特徵者歸類為「貓」、B 特徵者歸類為「狗」。此步驟容易受到「雜訊（noise）」影響。
後處理（post-processing）：針對因判別錯誤造成的風險（risk）、目標圖型之外與輸入有關的關係（context）、多個分類造成的衝突進行後續處理，等於是排除所有可能影響識別的因素，以利最終的決策。

設計循環（DESIGN CYCLE）

對應上述「圖型識別系統」，再一一設計每個流程。

資料收集（data collection）：取得輸入資料，應留意資料是否適合分析。
特徵選擇（feature choice）：找到「特徵提取」步驟中的依據，需要有針對目標物體的背景知識支持。
模型選擇（model choice）：要確定模型適合當下的識別情境，不同的模型將於下文介紹。
分類器訓練（classifier training）：用資料訓練、讓分類器有辦法進行圖型識別。
分類器評估（classifier evaluation）：了解整個識別流程性能，並找出待改善處。

圖型識別模型&方法

常見的圖型識別方法如下：

（修改自 AK Jain et al., 2000）

特徵匹配（template matching）：將圖片與模板圖比對，同時將旋轉角度、物品在照片裡的大小一併考慮進去。
統計方法（statistical approach）：將圖型視為有 d 個特徵，且視為 d 維特徵向量，在特徵空間中找到可區分不同類別的決策邊界（desicion boundary）。
語法方法（syntactic approach）：以階層式結構表示複雜圖型，最小單位稱為「基元（primitive）」，不同基元間的組合即稱為「圖型」，適合結構明顯的心電圖、等高線評估等。
神經網路（neural networks）：多部電腦同步進行平行運算，可處理大量非線性輸入與輸出。