刘文清 陈小惠 姚程

【摘 要】随着人工智能的发展，掌握深度学习计算机视觉技术的优势不言而喻。本文以多层感知机的构造为起点，分析了深度学习的计算机视觉原理，利用当前流行的深度学习技术框架搭建一个具有计算机视觉的人脸识别原型系统，用于数据中心机房监控管理，常规的信息系统被注入了人工智能的新元素，本文为同类型的人工智能系统的研发提供了参考。

【关键词】人工智能；人脸识别；深度学习；机器视觉

一、深度学习计算机视觉的理论基础

在经典的程序设计中，程序员只要在程序中嵌入足够多的明确规则，人们输入数据，系统就能得出正确的答案。[1]事实上，这对于解决定义明确的逻辑问题可能适用，但对于难以给出明确规则，如：图像分类、语音识别等更加模糊、复杂的问题，实践的效果却不佳。直到2012年，随着AlexNet人工神经网络诞生，一种新的方法——机器学习才在视觉、听觉等方面取得革命性的进展。深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术，具有划时代的意义。

（一）多层感知机

作为神经网络的起源，了解感知机的构造是通向神经网络和深度学习的一种途径。感知机是由美国学者在1957年提出来的。感知机接收多个输入信号，输出一个信号。使用单层感知机可以实现与门，或门，与非门三种逻辑电路，然而单层感知机却做不了异或门。

单层感知机留有遗憾，做不了异或门。……