电脑一直都很擅长视觉识别。有时它们识别一系列图像中某个个体的能力能够与人类相媲美。但相似的结果是否说明了电脑能够模拟人类的视觉系统呢？看到这个问题或许你会觉得电脑系统比不上人类，但是下面的实例会让你改变想法。

【Facebook升级版AI图像识别技术带来新机遇】

在Facebook升级版的AI图像识别机制中，可以帮助用户通过文字描述搜索查找目标图片（譬如“黑色T恤的照片”，系统可自动查找、识别图片中包含的黑色T恤，不论该图片是否标注了“黑色T恤”标签）。

这项技术目前有两种形式的应用，其一是用于帮助用户更快捷高效地识别、屏蔽令人不快的内容，其二是根据用户的偏好，推送他们感兴趣的内容。

社交媒体营销可根据这项技术的特点，制定更符合客户需求的策略，以便更准确地与目标客户对接。图像识别技术的下一阶段研究方向是如何在视频和直播中应用。

【谷歌“刀锋战士”图像AI可锐化任何照片】

“刀锋战士”是谷歌的最新人工智能软件，它基于两种神经网络和机器学习，可挖掘隐藏于模糊图片中的细节，绘制出8x8像素化的图像，继而通过搜索筛选和原图各部分细节匹配度最高的、高分辨率的各种图像，自动弥补原图丢失的细节。谷歌的“刀锋战士”是AI图像对基于特征脸的人脸识别方法的成功实践。

而继谷歌的“刀锋战士”之后，谷歌将致力于发展视频识别和搜索。

对于谷歌而言，识别图片中的对象已不再是挑战。谷歌的下一个挑战是识别和搜索视频中的内容，因为这需要处理更多的数据量。

不仅谷歌，Facebook、Snap和Twitter等也都在分析视频内容，它们也面临着同样的挑战。图像识别之所以取得长足发展，正是因为开放数据的结果。而如今，人工智能（AI）系统需要数据才能变得更加智能，而包括谷歌在内的这些企业和机构已在致力于提供这样的原始数据。

当然，谷歌不仅仅是想提高技术，造福全人类。谷歌也希望借此改进自己的产品，就像为Gmail增加Smart Replies智能回复功能，为谷歌翻译服务添加“实时视觉翻译”功能一样。同样，谷歌也希望YouTube能成为人们搜索视频的最佳去处。

谷歌高级研究员杰夫·迪恩（Jeff Dean）说：“如果能识别一头牛跳过月亮、或一只猫跳过篱笆的视频，那真是太酷了。”迪恩称，这意味着谷歌将不再需要依靠元数据来搜索了。同时，这种技术还能改善视频推荐服务。

【亚马逊图像识别AI系统可从照片判断年龄】

基于计算机视觉和深度学习神经网络模型，每天分析数十亿图像，升级后的Rekognition 可以判断照片中人物的年龄，给出整数范围，并根据这个数据和其它面部识别信息（人物表情，是否佩戴墨镜，是否有胡须等），锁定目标人物。

这项技术可用于比对雇员与所持证件照片是否一致，执行特殊监视任务等。

【图像识别通过拍照 计算卡路里】

一款减肥软件Lose It在前不久宣布增加了一项新功能，只要拿着手机对食物拍个照，这款app就会对照片进行分析。用户会看到 “食物建议”以及它们的热量。

Lose It表示，其图像识别技术优于谷歌，其开发的FoodDist模型，具有此前最高的预测准确率。

【电脑识别图像的极限在何处？】

《美国科学院院刊》发表了一篇论文提到了电脑和人类视觉系统的不同。

最大的差别可以总结为电脑没有人脑灵活，这同样也是语言识别系统所面临的问题：人类可以通过支离破碎的单词推测出一句话或者一段话的意思而电脑不能。同样在图像识别方面：人类可以可以破碎的线索拼凑出模糊的图像，而电脑却不行。

总的来说，电脑在图像识别上能做的很好，但并不是十分接近人类处理相同任务时的过程。它们无法使用图像中的独立部分进行信息识别，利用最少信息识别图像上它们不如人类。

为了让计算机模块更好的工作可能需要了解我们的大脑。人类在进行图像识别时，可能先猜测图像是什么，然后再寻找特性验证或反驳最初的想法。如果是这样的话，这与计算机模块的工作程序完全不同。

轻搜AISaaS平台，采用针对不同应用场景深度优化的图像识别算法，在安防监控、智能终端及智慧交通等领域提供解决方案，服务终端用户、智能安防集成商及摄像机制造商，帮助用户以最低的成本使用图像识别技术，最快只需9分钟即可让客户完成远程接入！

5月31日下午，由百度新闻、36氪、新浪创业联合举办的“奇点大学中国区学员选拔大赛”10强选手，在北京恒通国际创新园内进行了中国区总决赛。从数百个参赛者中脱颖而出的10位创业者，展示了各自团队所处领域的前沿科技。

以下为图片搜索引擎衣+创始人张默在“奇点大学中国区学员选拔大赛”决赛现场的展示：

张默：大家好，我是图像识别搜索引擎衣+创始人张默，衣+是基于深度学习的人工智能，我们全球有60多亿人口，每个人从出生开始就穿衣服，那可见买衣服的需求有多大。人类用眼睛看世界，这是不分语言和国界的。我从小喜欢画画，我对于视觉和美特别有感觉。我希望我能够帮助全球所有像我一样的普通人，能够随时随地找到喜欢的衣服，可以让自己变得更美一点，更漂亮一点。我深深的觉得每一种美都是独一无二的，值得欣赏的。

互联网的本质就是自由、去中心化，这也是互联网的精神。人类80%的信息是通过视觉获得的，可见这是有多么的重要，那么全球产生每天十亿张图片，同时电商花费巨资购买流量，他们之间缺少桥梁，我们做的就是这件事。我希望可以帮助像亚非拉这样的，哪怕是小孩子，在不懂外语，没有知识的情况下可以用眼睛发现美好的世界。我们解决的是人所见即所得的碎片化的移动购物需求和对时尚的欲望。我们提供全球化的图搜衣引擎，可以是APP、也可以是API。我们是世界领先的，我们是做的强大的有感知能力的可以学习的人工智能，我们的免费的API可以全网连接图片和商品，在你所有能看到图的地方和所有能看的地方都可以直接买衣服，甚至是所有的商品。我们为伙伴六亿用户提供服务，我们是唯一一家整合全球数千万时装商品的服务商，我们有一百多个国家的用户，其也有来自朝鲜和阿富汗这样的地方。我想人类对于美的追求是不分语言和国界的，所以我们深深的自豪。我们连接了一百多家全球的时尚电商，包括中国主流的十家时尚电商，以及海外的更多。

当你看社交网络的时候，当你看图片的时候，你看杂志，看电视，和在大街上，你很有可能一见钟情看到你喜欢的衣服，可是，却买不到。我们帮你随时随地找到它，并且买到它。

我们的免费API一键连接全网所有的图片和电商，让你随时随地边看边买。我们左边的图，每一个商品右上角都有一个小手，只要点击一下就可以找到同款和相似款直接产生购买，我们会开放这个API，让你在所有可以看到图的地方，比如说相册、美图、微博、视频类的优酷和爱奇艺，以及小米、乐视这样的电视可以边看边买。我们竞争力有四点，我们技术领先，数据库十分庞大，我们产品有灵魂，并且有精英的团队，有全球化视角的极客。

我们基于最新一代的图象识别和深度学习的神经网络和搜索的技术，可以将时装的识别精度由60%提高到90%到98%。众所周知，服饰的识别是一个很难的领域，可是深度学习被誉为人工智能的“圣杯”，我们真的感觉它的神奇。可以看到它学习到了比如说服饰的款式、材质、纹理和明星同款，还可以自发的对象比如猫，可以找到所有和猫有关的图案，有的时候也可以开玩笑，我们给它一个头像，他可以给我反馈一只猫，我有的时候给它我图像，他可以告诉我是一只愤怒的小鸟。

深度学习真的是非常的激动人心，一开始像一个出生的婴儿，我们用了十个小时它就已经学会了两岁的孩子所掌握的知识。我们积累一百万的商品用了三个月，可是我们用了两个月就到了两千万，我们积累三百万的用户用了半年，可是未来的半年我们会为十亿用户提供服务。这就像所说的指数级的增长。我们基于模拟人脑的深度神经网络设计了针对服饰的独一无二的深度学习的训练框架，通过海量的数据进行训练。我们有一个多层的深度神经网络体系，可以对商品的属性来进行自学习。

我们有从底向上的无监督学习还有从上到下的有监督学习，从上到下采用了梯度递减这样的算法。在四项关键技术处于领先，这是我们自主研发的核心技术。除了神经网络，我们有高效的搜索引擎系统，支持亿级的请求检索，相应时间不会超过1.5秒，而且有自动化图片处理系统，可以更新百万量级的商品入库，并且在分割技术上我们也处于业界的领先。我们甚至是超越了这个领域的先驱，谷歌。我的团队来自于BAT以及像微软，IBM，斯坦福、剑桥，北大，南洋理工，新加坡国立大学等等这样的名校，我爱这些团队的优秀成员，我是计算机和商学院的双硕士，我在北京大学有我的软件工程的第一个学位，并且我在微软和IBM参与过操作系统和人工智能的研发，并且我在南洋理工和斯坦福大学进行深造。

我们的目标市场受众是十亿级用户，市场现有的产品基于推荐的低龄低价山寨品，可是还有很多需求没有被满足。我们认为颠覆的时代正在到来，由被推荐到主动寻找个性化和自我表达。我们和其他的产品的区别就是搜索和门户的区别，这个世界已经到来。所以我们帮助用户寻找一个人格独立到心灵自由，我们有搜索发现和社交的功能。这是搜索的展示，这是一些更多的展示，可以看到我们对于语意的理解和衣服的款式，以及明星同款，都是在业界极有竞争力的，拥有很高的搜索精度。

由这个例子可以看到我们在服饰识别这个领域超越了谷歌的，我们以超越的方式向谷歌致敬。这是其他的功能PK明星，通过穿衣品位找到最像的明星。我们还有条件标签对图像搜索进行补充，我们根据人物兴趣和品牌进行兴趣社区的运营。盈利模式主要是CPS，CPC和推荐类广告，这是一个非常成熟的盈利模式。

未来之路可以想象，我们现在是全球化的时装导购平台，我们可以做商品的导购平台，也是未来的移动搜索，可以想象在任何的地方，任何的时间，看见一个你喜欢的东西，我们帮你随时随地找到它，买到它。

我们也是机器视觉可以帮助未来的人工智能，让它有更聪明的眼睛，可以用在无人机，自动驾驶领域，在人工智能的帮助下，人类的眼睛会更聪明，可以去看世界，理解和探索这个更美妙的世界。

接下来放一个短片。人的视觉可以增强到什么样的程度。人的视觉可以在人工智能的帮助下变得越来越强大，更聪明，去探索。

比如说这样一个场景，看到冰箱里的食品就知道它的保质期和营养价值，切黄瓜的时候，其实这是一个游戏，可以随时随地看到你喜欢的衣服并且有一个穿衣服的手帮你搭配。这是一个恋爱助手，约会助手，可以看到这个人的背景和相关的信息，你看到一瓶酒你可以直接下单来买。大家可以体验一下我们的APP。谢谢大家。

接下来会有三位嘉宾来支持我，他们分别是曾经在30岁投出过上市公司天使投资人戴志康。

主持人：非常精彩的介绍，你接着介绍完三位嘉宾。

张默：还有拥有六亿用户的合作伙伴，还有一位天使投资人还有我们拥有六亿用户的合作伙伴优酷土豆高级副总裁李捷；还有一位天使投资人杨宁，他在29岁成为纳斯达克最年轻的上市公司总裁。

主持人：好，非常感谢张默今晚的演讲，我之所以迫不及待的冲上来，因为你已经超时了40多秒，我们后续的选手也注意了，每个选手的演讲时间只有12分钟，一旦超时你的话筒会被切断，下面一个环节是由选手的助阵嘉宾讲述对这个项目的看法和帮助更好的理解，张默的助阵嘉宾有三位，我们注意大屏幕。

主持人：三位嘉宾给予的张默很高的评价，下面这个环节，我们要由现场的评委和评审对张默进行发问，为时五分钟，下面开始正式提问。有请。

沈强：我先问张默一个问题，我很欣赏你对于图片搜索未来的各种各样的愿景的认识，无论是改变人的传译还是变得更美，那么一个是说从实践层面上来看，今天即便是计算机的衣服图像搜索这个领域还是比较有难度的。我们也看到过很多类似的项目，在解决挑战的时候，不仅有复杂的背景，还有主体在不同环境下的精准识别，你们做的效果会怎么样，我们看到很多可以做到完全自动的理解，不需要指定衣服的主体等等。这是今天的事。

另外是未来来看，我想奇点大学想要找的是改变人类未来的创新。我们看到了计算机视觉的各种各样的应用，您从搜衣这样的起点到短片后面来看的远大的未来，中间有一些什么样的，每一个领域都是，这是目标吗，怎么样跨越？

张默：我之所以选择比较有挑战的垂直领域服饰来进行切入，我觉得它非常有需求，它特别适合于用图象识别的方式去搜索，文字搜索在服装行业是不起作用的。所以图片是一种表达，有它的设计、图案、风格等一切，在这个领域需要这样的解决方案去帮助用户。而且服饰的需求非常巨大。基于我为这个行业的深深的热爱，所以我选择这个领域切入，在其他的方向，相信对于数字和文字以及“logo”这样的识别我们都是有相当的技术积累的。复杂背景下的人体检测和衣物分割，以及对光照的鲁邦性和对款式的识别能力都有竞争力，我们长期的去跟随国际最新的像谷歌和微软和各大公司的，相信我们团队有足够的经验和学习能力去向前创新和研发，持续领先的去做各种各样的，包括扩展我们的产品线。

现在最难这个领域计算机视觉我们可以做到很高的程度，我们相信其他的领域也可以做得很好。我相信基于深度学习带来一个质的突破，像所说的像睡一觉醒来之后之上从四岁提高到三十岁，我相信这是有可能的。而且在我们的研发实践中也深深领会到了深度学习带来的巨大飞跃，所以我是很有信心的。我们会持续的去寻找和建设这样的世界领先的团队，去实现。

主持人：沈强老师对张默的回答是否满意，我们最后只剩下一分钟的时间了，点评一下就好了。

沈强：我觉得想听到您的回答是说，这GAP，这个在衣服上，你在面上，走深是一个很长的时间的积累，视频里面又是一个很广的过程，从深到广这个路径怎么样跨越。

主持人：这个中间节点怎么办？

张默：因为今天的主题是既然在十年之内影响10亿人，我相信在几年之内，那些设想都是可以实现的。在技术方面，我们已经有了相当多的积累和尝试。我们会和国际一流的团队去合作。

主持人：时间到，张默的技术和发展要基于基础研究的突破和发展，可能随着人工智能和深度学习技术的不断的提升，对我们项目的会有很大的助力，你是第一位选手，后面还有九位。我想问一下你对这九位选手有没有什么想说的。

张默：我想说不管最后是谁赢，都是代表中国去影响世界10亿人，我向他们加油。

“2017中国图像识别领域最具潜力创业公司”盘点源于数据猿推出的“金猿榜”系列内容，旨在通过媒体的方式与原则，发掘大数据领域最具潜力的创新型企业，以及在各细分领域的最具实力代表性企业与人物，利用媒体的力量扩大其影响力并推动行业的整体发展，践行“数据价值落地”的核心理念。

基于此，数据猿通过对成立于2012年之后，在资本市场上获得高度认可，业务发展迅速、业界口碑良好，且为非被收购企业、非上市公司的所有独立创业公司近1年的关注，并与上海大数据联盟、首席数据官联盟、深圳大数据产业协会四方的共同探讨与研究，评选出以下10家在2017年表现优异的中国图像识别领域最具潜力的创业公司供业内参考。

注：以上榜单入选企业，还将在2018年3月份的“数据猿价值峰会”上举行入榜颁奖仪式，敬请期待！（下拉至文末可了解详情）

以下为上榜企业介绍：

商汤科技

【北京市商汤科技开发有限公司】

成立时间：2014年8月

企业标签：人工智能、视觉技术、深度学习

融资情况：共5轮，总金额约41.4亿元

A轮：2014年11月完成数千万美元融资，投资方为IDG资本

A+轮：2016年4月完成数千万美元融资，投资方为Star VC

B轮：2017年7月完成4.1亿美元融资， 投资方为鼎晖、赛领资本、中金公司、基石资本、招商证券（香港）、华兴私募股权基金、晨兴资本、光际资本、尚珹投资、中平资本、东证资本、华融国际、东方国际、TCL资本、盈峰控股、投资人梁伯韬等参投

战略融资：2017年11月获数千万美元融资，投资方为高通Qualcomm Ventures、赛领资本、鼎晖投资、中金公司、基石资本、招商证券、华晟资本-华兴资本、晨兴资本

C轮：2017年11月获15亿人民币投资，投资方为阿里巴巴

（注：以上提到战略融资及C轮融资均未得到官方明确肯定）

管理层团队：

徐立丨联合创始人兼CEO

本科和硕士研究生就读于上海交通大学，博士毕业于香港中文大学，先后在摩托罗拉研究院、欧姆龙研究所、微软研究院、联想研究院等计算机视觉基础研究机构访问工作，主要研究方向是计算机视觉和计算机成像学，拥有十余年基础研究和产品开发经验。在视觉领域国际顶级会议、期刊上发表50余篇论文，曾获得国际会议NPAR 2012最佳论文奖，国际会议ACCV (12) ICCV (15)最佳审稿人奖。其三个算法获得视觉开源平台OpenCV收录，其中L0 Smoothing 为图形学期刊Transaction on Graphics （TOG） 五年论文引用之首 (2011-2015)，还获得了《财富》中文版“中国40位40岁以下商业精英”、网易未来科技人物大奖创新商业领袖、《芭莎男士》2017巅峰人物年度创新企业家等荣誉。

关于商汤科技：

商汤科技是全球领先的深度学习平台开发者，专注于计算机视觉和深度学习的原创技术，是中国最大的新锐人工智能公司，估值超过20亿美金。以“坚持原创，让AI引领人类进步”为使命，建立了国内最大的自主研发的深度学习超算中心，并成为中国最大的人工智能算法供应商。目前，商汤科技已与国内外多个行业的400多家领军企业建立合作，包括Qualcomm、英伟达、本田、中国移动、银联、万达、苏宁、海航、中央网信办、华为、小米、OPPO、vivo、微博、科大讯飞等知名企业及政府机构，涵盖安防、金融、智能手机、移动互联网、汽车、智慧零售、机器人等诸多行业，为其提供基于人脸识别、图像识别、视频分析、无人驾驶、医疗影像识别等技术的完整解决方案。

业界评价：

赛领资本总裁刘啸东：“商汤具有极强的科研创新实力和商业变现能力，在深度学习、视觉识别等方面拥有深厚的人才和技术储备，在商业化方面的领先也很明显。商汤有着与Mobileye相似的科研基因，技术卓越性得到众多客户认可。人工智能未来对诸多行业都会产生深远影响，期待商汤未来将扮演使能者的重要角色，带动中国的产业升级。赛领资本将全力支持商汤，带领中国人的原创技术立足中国，走向全球。”

云从科技

【重庆中科云丛科技有限公司】

成立时间：2015年3月

企业标签：人脸识别、计算机视觉、火眼大数据平台

融资情况：共3轮，总金额约7.5亿元

战略融资：2015年4月完成5000万人民币融资，投资方未透露

A轮：2015年12完成2亿人民币融资，投资方未透露

B轮：2017年11月完成5亿人民币融资，由顺为资本、普华资本、元禾原点创投领投，越秀产投、佳都科技、兴旺投资、张江星河、杰翱资本跟投

管理层团队：

周曦丨CEO

中科院重庆院多媒体中心主任，中国科学技术大学学士学位和硕士学位、美国伊利利诺伊大学(UIUC)博士学位，曾在IBM TJ Watson研究中心、微软雷德蒙总部研究院、NEC美国加州研究院从事研究工作。

关于云从科技：

云从科技是一家人脸识别技术及产品研发商，技术核心是通过基于异构深度神经网络的目标深度解析，突破人脸识别在各种复杂环境下通用性差的难题，核心技术源于四院院士、计算机视觉之父——黄煦涛（Thomas S. Huang）教授，核心团队曾于2007年到2016年7次斩获智能识别世界冠军。

业界评价：

新华网：“云从人脸识别智能相机支持超大底库，极速识别，超低带宽占用，性能达到行业的顶级水平。”

依图科技

【上海依图网络科技有限公司】

成立时间：2012年9月

企业标签：计算机视觉、人脸识别、自然语言处理、机器智能

融资情况：共4轮，总金额约4.52亿元

天使轮：2013年8月完成数百万美元融资，投资方为真格基金

A轮：2015年1月完成数百万美元融资，投资方为红杉资本、高榕资本

B轮：2016年6月完成数千万美元融资，由云锋基金领投，跟投方信息未透露

C轮：2017年5月完成3.8亿人民币融资，由高瓴资本集团领投，云锋基金、红杉资本、高榕资本、真格基金跟投

管理层团队：

朱珑丨联合创始人兼CEO

美国加州大学洛杉矶分校（UCLA）统计学博士，师从艾伦·尤尔（Alan Yuille）教授，从事计算机视觉的统计建模和人工智能的研究，之后在麻省理工学院人工智能实验室担任博士后研究员，在纽约大学深度学习鼻祖Yann Lecun的Courant数学研究所担任研究员。

林晨曦丨联合创始人

上海交通大学硕士，曾担任阿里云技术总监，组建并带领百人以上的优秀工程师团队，搭建了国内最大的拥有自主知识产权的飞天分布式云计算操作系统。在加入阿里巴巴集团之前，曾在微软亚洲研究院从事机器学习、计算机视觉、信息检索以及分布式系统方向的研究工作。

关于依图科技：

依图科技是一家从事人工智能创新性研究的公司，将先进的人工智能技术与行业应用相结合，建设更加安全、健康、便利的世界。

业界评价：

《新美国安全中心Digitimes》：“美国最近举办的一场人脸识别技术竞赛，比赛内容是尽可能识别更多正走在舷梯上的登机乘客，一家名为依图科技的中国初创企业赢得比赛最高奖项：2.5万美元现金。与美国相比，中国已不再在技术上处于落后地位，而是成为真正的同行者，可能在人工智能领域拥有超越美国的实力。”

码隆科技

【深圳码隆科技有限公司】

成立时间：2014年7月

企业标签：深度学习、计算机视觉、ProductAI

融资情况：共3轮，总金额约2.94亿元

天使轮：2015年3月完成1200万人民币融资，投资方为达晨创投、远镜创投

A轮：2016年7月完成6200万人民币融资，投资方为达晨创投、远镜创投、中信资本、景林投资、将门创投、可可资本、红筹投资

B轮：2017年11月完成2.2亿人民币融资，投资方为软银中国

管理层团队：

黄鼎隆丨创始人兼CEO

曾在微软工作担任搜索产品总监，还曾担任腾讯商业产品总监、Tripadvisor中国产品副总裁等。

码特丨联合创始人兼CTO

十年微软开发经验，曾任微软亚洲研究院高级研发主管者，曾主导开发“必应词典”，覆盖全球数千万级用户，并成为微软历史上首个荣膺“华尔街日报亚洲创新大奖”(2010)的项目。此外，还拥有 40+ 个中美专利技术，18 个微软技术商业转化成果，国际顶级学术会议及期刊论文 13 篇，曾在顶级期刊《The Proceedings of the IEEE》和《IEEE Computer》发表封面重磅论文。

关于码隆科技：

码隆科技是一家专注于深度学习与计算机视觉技术创新，打造国际领先视觉智能技术平台的人工智能公司，拥有世界一流的顶尖研发团队和经数千万级图像训练的深度学习算法模型，凭借扎实高效的工程架构能力及产品实现能力，为企业客户提供国际领先的计算机视觉解决方案。

业界评价：

软银中国：“码隆科技ProductAI平台实用性很强，我们十分认可团队的研究方向，并期待码隆科技在结合传统行业实践中创造出更大的可能。”

新华网：“在数据智能时代，实时产生的数据是企业的金山银山，而人工智能数据应用解决方案则是开采矿藏的重要途径和方式。码隆科技正在做的事情，就是通过技术和产品创新，助力产业变革。未来任何产品、服务都需要人工智能，这也必将诞生无数垂直细分市场，码隆科技自主研发的人工智能商品识别技术，将会应用到更多领域。”

Yi+陌上花科技

【北京陌上花科技有限公司 】

成立时间：2016年4月

企业标签：视觉引擎、图像和视频识别、衣+、Yi+AI

融资情况：共3轮，总金额约1.61亿元

天使轮：2014年11月完成数百万人民币融资，投资方为乐搏资本、伙伴创投

A轮：2015年11月完成1000万美元融资，由优酷土豆领投，乐搏资本、中金汇财投资、三行资本跟投

B轮：2017年9月完成1亿人民币融资，由海通证券领投，百融骏集团、北京银行跟投

管理层团队：

张默丨联合创始人兼CEO

曾任华为算法工程师、微软Windows Mobile工程师、IBM Smarter City 架构师，主机Linux中国区负责人，中国区开源联盟负责人。北京大学软件工程硕士, 南洋理工大学创业创新硕士。

刘彬丨CTO

毕业于西南科技大学本科 ，上海交通大学硕士，曾任Intel算法工程师、百度深度学习研究院高级算法工程师、阿里巴巴深度学习算法专家。

关于Yi+：

Yi+是领先的计算机视觉引擎服务商，为企业提供视觉内容智能化和商业化解决方案，致力于 “助力客户挖掘视觉信息的商业价值，看见非凡”。在图像与视频中对场景、通用物体、商品、人脸的检测、识别、搜索及推荐均达到领先水平。图像和视频识别准确率等技术指标在顶级计算机视觉竞赛中获得了十项世界第一的成绩。

业界评价：

创业邦：“ 当人工智能遇上电视媒体，Yi+将为未来媒体科技有限公司广大客户及用户提供更多创新的互动方式，用技术革新改变人们的生活方式，整合资源共同变革传统电视媒体，最终完成垂直整合的生态闭环。未来，Yi+将助力持续助力电视媒体，为全行业及产业创造前所未有的生态价值。”

飞象网：“衣+开发的基于高性能GPU服务器的深度学习集群，能快速实现超百层复杂的深度学习网络结构，Amax团队取得这样的竞赛成绩，得力于衣＋在深度学习、计算机视觉、人工智能等领域的深厚技术底蕴以及在高难度挑战领域的卓越实力，同时也预示着衣＋产品的巨大潜能。”

深醒科技

【北京深醒科技有限公司】

成立时间：2016年1月

企业标签：人脸识别、深度学习、人工智能

融资情况：1轮

A轮：2017年1月完成亿元及以上人民币融资，投资方为昆仲资本、经纬中国、清科创投

管理层团队：

袁培东丨CEO

师从中国人工智能泰斗张钹院士和加拿大两院院士 Patel 教授，在计算机视觉、人脸识别与智能监控等领域有丰富的研发经验。

卢臻丨董事长

原是一家军工A股上市企业的核心高管，北京中电国能工程装备技术有限公司总裁。

关于深醒科技：

深醒科技是一家从事人工智能方向、集研发、生产和销售为一体的高科技创新公司，以基于深度学习的人脸识别技术为突破口，致力打造科技安防、智慧金融、智能交通、平安校园、平安小区等智能综合解决方案。

业界评价：

亿欧网：“在众多的人工智能方向研究的企业中，深醒科技是国内少数几家拥有底层算法模型自主研发能力，并专注于为公安安防研发人脸识别系统的科技公司。与其他国内知名的人脸识别科技公司相比，完全国内独资的深醒科技坚持“自主可控”走完全中国自主发展道路的核心理念，能够满足国家安全、反恐、保密的需要。”

格灵深瞳

【北京格灵深瞳信息技术有限公司】

成立时间：2013年3月

企业标签：图像识别、计算机视觉、视频大数据、三维图像

融资情况：共3轮，总金额约6100万元

天使轮：2013年4月完成数百万人民币融资，投资方为真格基金、策源创投、徐小平

A轮：2014年6月完成数千美元融资，投资方为红杉资本中国

B轮：2017年7月完成B轮融资，具体融资金额未透露，投资方为Samsung Ventures三星、真格基金、合力投资、复朴投资

管理层团队：

赵勇丨创始人、董事长�...

2月1日上午消息，将AI图像识别应用于零售管理的企业服务公司Trax昨日宣布，正式进入中国市场。据官方信息介绍，目前Trax业务遍布50多个国家，Trax通过图像识别算法，和多年积累的货架、商品数据，为品牌及零售商提供可靠的数据服务。公司总部位于新加坡，工程和计算机视觉中心位于以色列特拉维夫，在亚太区、欧洲、中东、北美和南美设有办公室。Trax给出的数据显示，采用Trax技术的快消品公司，缺货率下降10%-15%，整体销售业绩提升3%-5%。公司的数据库已收录全球50多个国家的100多万家商店的60亿个SKU。

“图像识别”，这是广东微模式软件股份有限公司（以下简称微模式）为完成“填补空白、赶超欧美，带动行业及产业向前发展使命”拥有的世界领先技术。

唯有开放方能共赢，唯有技术才能引领

在人工智能信息化时代，图像识别技术作为核心技术已深入到各个行业，并对人类生产和生活方式产生颠覆性改变。微模式洞悉到未来，坚持以自主创新核心技术，引领国内图像识别技术发展，构建开放性的商业模式，带动产业结构调整与升级。

作为以研发图像识别类软件产品并提供技术服务的高科技软件企业，专注于人脸识别技术、车辆识别技术和视频图像处理分析技术是公司三大核心技术。公司自成立至今，微模式始终专注于图像识别技术的发展，积累了对人们图像识别应用的深刻理解和创造力。公司立足于软件开发，深入拓展行业应用，使技术得到广泛应用，客户遍及国内、国际和信息化三大市场。

战略部署、聚焦行业，人工智能的弄潮儿

“持续创新”是微模式在图像识别领域得以领先的基础。公司是国家多项标准及金融行业标准的制定单位之一，中国安防产品行业协会会员、广东省高新技术企业。公司拥有资质100项，包括安防工程企业二级资质、ISO9001:2008、重点华侨华人创业团队证书、高新技术企业证书和软件企业证书等。微模式身处人工智能的历史发展大潮中，积极布局云计算、大数据等新兴领域，以图像识别核心技术优势成为其中的佼佼者。

微模式还积极参与国内外的智慧城市建设，为政府、企业、金融、安防、移动互联网等行业客户提供一流的解决方案和技术服务，并在近期承担了上百个重大项目，公司有丰富的解决方案咨询、开发、实施和服务经验。以北京、广州、武汉三大研发中心，形成先进的层级研发架构，通过强大的技术力量支撑，将图像识别核心技术行业化和产品化。

我们正在步入一个新时代，一个面向移动、全面融合的信息时代。微模式的战略部署是顺应新时代潮流和规则的创新，敢于引领技术趋势，应时代和客户而改变。

看得见的智能产品、摸得到的未来

微模式已然成为人工智能时代的图像识别技术创新的领跑者。

识别验证服务平台、动态人脸布控系统和人证合一身份验证等产品业务是微模式的关键，基于在人脸和OCR识别技术的优势，微模式加大了在人工智能方面的投入，推进建设线下展厅提高用户体验，深度学习、服务大安防和大金融方向的业务，并取得了手写签名验证、视频运动目标检测、运动目标跟踪、车辆检测、车辆识别、行人检测、视频浓缩、视频搜索等方面的诸多突破进展，以技术扎实、产品线丰富而满足了各行业应用需求。

微模式作为金融银行业和安防业图像识别重要的技术公司，产品技术已成功在中国建设银行、中国农业银行、民生银行以及黄石市公安局等数十家金融和安防机构广泛应用。微模式助力智慧城市创新变革，在广东和湖北等地将新一代图像识别和视频图像处理和分析技术用于动态人脸布控、“人证合一”核验身份、网上追逃等实际应用，得到了行业用户的高度评价。微模式研发实力雄厚，拥有来自清华大学、中国科学院大学、中国科学技术大学、华中科技大学、武汉大学、中山大学等国内著名大学及资深行业领域专家组成的数百人科研团队，并设有国家级博士后科研工作站和硕士、博士培养点。员工平均年龄30岁，本科以上学历约占90%，其中硕士、博士等占20%，这些高端人才为公司布局人工智能发展提供了强有力的支撑和保障。微模式将继续坚持以图像识别自主创新的经营理念为全球客户提供领先的技术服务，致力于成为世界级的图像识别产品和引领者。

近日，2018 全球人工智能与机器人峰会（CCF-GAIR）在深圳召开，峰会由中国计算机学会（CCF）主办，雷锋网、香港中文大学（深圳）承办，得到了宝山区政府的大力指导，是国内人工智能和机器人学术界、工业界及投资界三大领域的顶级交流盛会，旨在打造国内人工智能领域最具实力的跨界交流合作平台。

会议第二天，CCF-GAIR计算机视觉专场也如期盛大开幕。本专场邀请到了多位业内专家盛装出席，包括ICCV 2011与CVPR 2022大会主席权龙教授，微软亚洲研究院副院长张益肇，旷视科技首席科学家孙剑，飞利浦中国CTO王熙，MICCAI 2019联合主席沈定刚教授，中科院分子影像重点实验室主任田捷，云从科技联合创始人姚志强，臻识科技CEO任鹏，云天励飞首席科学家王孝宇、商汤科技联合创始人林达华等。

作为计算机视觉专场圆桌嘉宾，图普科技CEO李明强在参加圆桌论坛前也发表了精彩演讲。

图普科技是国内最早将计算机视觉技术应用在互联网内容审核上的AI公司。今年5月，根据政策的调整，图普科技随即上线了内容审核产品2.0，增加了对低俗内容的审核、视频理解等新功能，进一步完善内容审核服务。作为一家商业落地较早的AI公司，图普科技积极布局新零售领域，通过基于人脸识别技术的商业智能产品来帮助零售企业完成智能化升级。

以下为全文内容，雷锋网作了不改变原意的编辑及整理：

大家好，我是图普科技的创始人李明强。图普科技成立于2014年，是一家做AI识别的云服务公司。图普科技在互联网领域有很多客户，我们在这几年也获得了很多来自同行、政府、媒体的认可。我今天分享的主题是，图普科技如何用图像云识别服务建立商业闭环。我们已经在互联网领域做好了一个初始的商业闭环，未来我们希望在更多领域应用AI打造可用的商业闭环。

图普科技在互联网领域的图像识别量十分庞大，我们现在每天的处理量超过10亿次。我们在云端也有几百个图像识别接口，会通过相关的算法落地到不同的行业里。我们的目标和宗旨是“仰望天空、脚踏实地”，也就是说，一方面要注重算法和技术能力的储备，不断追求科研生产力上的突破，同时，我们这群从互联网公司出来的架构师和产品经理，要做的事情是把AI落地到不同的行业和场景中。

图普科技做的事情，跟一般做AI的公司可能会不一样。有很多AI公司主要做安防，是在安防里面做一个项目的交付。但是我们除了做好AI的算法之外，还要更加注重商业服务的架构，因为我们是跟客户要做长久连接的。客户每一分钟、每一秒钟都有大量的请求过来，我们现在每天处理十亿级别以上的图片，这里面就要用互联网的架构。以我们互联网服务的宗旨来看，算法和复杂的工程能力同样重要，所以这里面有很多在互联网海量服务工程里面才会注意到的很多的问题，比如说这么多数据应该怎么管理，这么大的调用量应该怎么负载均衡。

图普科技的图像识别云服务提供几百个图像识别的定制或者开放出来的接口，包括各种人脸识别、物体识别、人的行为分析、文字OCR到图像搜索等等。我们是最大的独立图像识别云服务商。

图普科技是最早在互联网领域提供内容审核的AI公司。前面很多老师讲的是AI在医学上的应用，图普科技的应用点有点不太一样，我们首先应用于互联网。在互联网领域比较知名的直播、短视频平台，比如美图、映客、花椒等等，都是我们的客户。我们是最早用AI替代审核员的公司，我们建立了这个行业内容审核的标准以及定价标准。

我们在这条路上也一直是行业领先的。我们就像是在一个高速奔跑的大货车上换轮子，载重量比较大，还要不断地更新它的引擎和轮子，使得它可以在不停车的情况下拼命地奔跑。因为内容审核本身是跟垃圾制造者做对抗的事情，所以我们要不断地更新，不断地维护，而且每次更新都要保证比之前的效果更好。今年我们发布了2.0的系统，它会适应很多新的需求，比如说反低俗。这里面就有很多很细致的需求，比如说有纹身是不可以的，出现奇奇怪怪的发型也是不可以的，有很多大家意想不到的问题。互联网领域的内容是大家创造的，创造性也是千奇百怪，因此我们要处理的数据量，还有应用的场景具备多样性，这可能是其它行业都没有遇到过的挑战。

在服务好互联网行业以外，我们也把图普科技的图像识别云服务延伸到其它行业。我们现在在做新零售业务，这是我们从去年就开始探索的。今天是专门为医疗做的一个专场活动，我觉得也许明年或者下半年AI的一些会议会为新零售做一个专场，我们认为新零售是一个很大的市场。我们希望将AI技术应用在零售的每一个环节，根据这个图可以看到，我们对店外客流、进店客流、购买客流和复买客流都有相对应的功能，帮助企业去吸引客流、分析客流、提升购买转化率等等。

现在市面上的摄像头有一半是在公共安防上面，有一半是在店铺里面，我们去年就开始做新零售这一块市场了。正因为我们是云服务起家的AI公司，所以在新零售市场，我们想做的不仅仅是一个一个项目的交付，更想提供一个服务平台。几千万家线下门店，各个行业不同的需求和挑战，非常适合我们这种AI识别的云服务公司来提供服务。这是非常复杂的，需要非常灵活、通用，还要稳定的产品，从前到后所有的问题都亟需解决。

在零售的环节里面要关注的事情是如何帮他更好地卖东西。卖东西不是要骚扰用户，而是更好地把合适的商品匹配给合适的人。所以我们会在这里面帮他看到很多效率方面的数据。比如说进店率、停留率、购买率、复购率，还有坪效、货效、场效、钱效等等各种各样的数据。前面很多老师都快变成了医疗专家，而我也快变成了一个零售专家。

我们也在用很多AI技术在店门口做智能引流。我们见过很多门店的牌子，可能都没进去过。如果有一个智能推荐机放在门口，可以根据性别、年龄、穿着、打扮给你推荐商品，这是一个非常省时间的事情，也非常吸引人。我们曾经在很多展会、门店部署了智能推荐机用来引流，效果很好。很多人感兴趣就会来玩，一来二去也会想进店去看一下，这就将店外客流转化成了进店客流。

另外我们还会根据客流的影像分析来给零售的商家、品牌做客流分析的画像，进行老客到来的识别。这是我们在珠宝行业的应用。因为珠宝、汽车、房产行业都不可能是你过去就直接刷单购买的，除非你是土豪，如果是你要看几次再过去的话，老客户的识别对销售来说是非常重要的事情。当然隐私的问题也的确是整个行业需要考虑的事情，我们提供这个技术，我们也非常注意隐私问题。我们从一个良好的出发点去出发。会员管理在零售领域是一个常见的方式，用AI技术赋能只是可以收集更多的数据，这些数据原来是用店员的眼睛记住的，现在变成了摄像头看。用户的隐私非常重要，因此，我们提供给珠宝行业的人脸识别技术首先肯定是要得到会员同意的。

另外我们还会通过人群识别的技术，帮助客户分析门店的场效。比如在超市里面分析哪些地方是热区，哪些地方是被客户关注的，但是他没有发生购买，或者没有发生等比例的购买。因为在线下每一个平方都是算钱的，这个租金最好是要换成很好的收益回来，如果说他想要换成好收益的地方没有换成一个很好收益的话，可能这个地方就要调整。这个调整也是新零售市场营销里面一个很重要的问题。这是为了减少用户在里面购买或者迷茫的时间，因为85%的商业发生在线下，所以在线下哪怕省大家一点点的时间，提高一点点商品周转的效率，可能对整个行业从前到后，传导到制造、科研，这里面都是很大的效率提高。包括门店的选址问题，同样能通过这些功能来解决，通过技术手段去分析的选址结果，相比依靠人的经验来说，会更有数据支撑，而且可以节约成本，提高效率。

给大家放两个Demo，实际看一下我们在门店里面解决的技术难点。这是在OPPO的门店里面应用的，这是用一个非常低廉的硬件，用它店里面已有的摄像头分析出来的。这里面可以跟踪店员，追踪每个人的行为，看他是在做什么事情，还有平面图的投射。我们还能分析哪些是店员，哪些是顾客。通过动线分析就能帮它分析到哪些地方是热区，客户在里面是怎么走的。

下一个视频的难度更大一些，这是在一个卖场里面，这里面会涉及到人物有遮挡，而且这个图像非常模糊。特别是在遮挡的情况下，仍然能把他认出来，而且要分析到哪些是店员，哪些是顾客，这样的分析才比较有作用。我们后面还会分析顾客是什么年龄的，在卖场里怎么走，男性怎么走，女性怎么走，新客户怎么走，老客户怎么走。这样的事情放到使用的环节里面，要考虑到成本，要考虑到稳定性、可用性，这是非常难以实现的东西。

我们在不同的领域用云+端的模式，在每个行业里面扩展，夯实一个行业的服务，然后再扩展到其它的行业。我们后面也会仰望星空、脚踏实地，帮助到每个行业，这是图普科技希望做的事情。雷锋网雷锋网

今天有人在王者荣耀开黑群里问我，

AR除了扫图片还能干什么呢？

靠，好啊！等了那么久，

装逼的机会终于来了。

我说，这个可多了，

你要是够牛逼，

你也可以用物体识别技术

做个像去年迪斯尼和谷歌合作的

Pete's Dragon 那样的webAR 游戏啊，

请看AR酱往期文 《APP滚出，迪士尼上线AR网页游戏》

不要问我为什么在王者荣耀群里聊AR。

我们的心里只有工作。

但我没有告诉他的是，

其实就算你不牛逼，

以现在的技术发展水平，

已经到了就算完全不懂深度学习，

要搭建一个简单的物体识别功能，

其实也就是分分钟的事啦。

连我这个文科生都学会了。

IBM的 Watson 系统大家应该都听说过

就是那个能变身超级不倒问，

在问答游戏领域碾压人类的那个。

用它来做实现，

简直So Easy。

装逼分割线

那为了要用Watson，

首先我们得上IBM的IBM Bluemix平台上

（https://console.bluemix/catalog/services/visual-recognition/）

创建一个账号并生成credentials

注册成功后，

你应该就能看到

Visual Recognition service了。

如果没有看到也没关系，

可以在Catalog页面下找到

看我看我，我在这里

成功创建服务后，

你应该能在Service Credentials下的View Credentials里找到API Key。

再看我

找到了API Key后，

就能顺利访问服务了。

然后只要点击

create classifier 按钮，

就可以创建分类器了。

给这个分类器取个名字，

比如今天刚好在看星球大战，

就叫Starwar吧。

再给每个人物创建一个分类

然后，到百度上

批量下载一些星战人物的图片

将训练用的图片打包成zip格式

上传到每一个你需要识别人物

（图片不要太少，

至少找个100来张吧，

然后每个人物

再各找个15张作为测试图片）

然后，嗒嗒嗒嗒嗒。

好了，完工啦。

你已经学会搭建一个图像识别系统了。

如果要测试分类器是工作得怎么样，

可以直接拖一张图片

放到Starwar的方块里测试。

Starwar下面的 id

就是需要在SDK或者直接用CURL来

访问这个分类器的id。

curl -X POST \-F "images_file=@{IMAGE.jpg}" \"https://gateway-a.watsonplatform/visual-recognition/api/v3/classify?version=2016-05-20&threshold=0.0&api_key={API_KEY}&classifier_ids={CLASSIFIER_ID}"

记得替换Replace {API_KEY},

{IMAGE.jpg}和

{CLASSIFIER_ID}

这几个值。

如果一切正常，

你应该会获得类似这样的反馈。

{ "custom_classes": 2, "images": [{ "classifiers": [{ "classes": [ {"class": "Darth Maul", "score": 0.559958}, {"class": "Darth Vader", "score": 0.047293} ], "classifier_id": "StarWars_1680254220", "name": "Star Wars" }], "image": "my_test_photo.jpg" }], "images_processed": 1}

如果之前大家用过Catchoom之类的

图像识别API，

会发现其实使用方法差不多。

都挺简单的。

大家如果有兴趣的话，

明天我看看是不是把怎么用

Tensorflow来搭建

也写了。

报告各位，

装逼完毕！

敬礼

礼毕

AR酱原创，转载务必注明

在上一篇文章中，我们验证了微软认知服务Azure中开放AI三项功能中的人脸识别功能（faceAPI），这篇文章来验证一下其中的计算机视觉（图像内容分析）功能。图像分析的功能如下：

在微软开放的三个功能中，另外一个是情绪识别，识别图片中人物的情感特征，包括愤怒、轻蔑、厌恶、恐惧、快乐、悲伤等，截图如下。

从这两个功能可以看出，微软正在试图对图片进而对视频进行视觉分析，一方面判别图像的场景、出现的物体，另一方面判读图像中人物的情感和动作。基本成熟之后就可以完成更高等级的计算机视觉应用，即图像的内容理解，结合目前正在进行的文字和语音的语义识别，考虑到遍布各处的网络摄像头，人工智能AI技术正在一步步走进我们的生活。这是一股科技大潮，我们已经可以听见它的脚步声并嗅到咸咸的腥味，尽管细思极恐，但乐见其成就好。

本文仅对图像分析进行简单的验证，旨在打通微软的应用看一下效果，感兴趣的同学可以到官网自行学习。

下面几张验证图片我只是把文字描述写出来，AI识别出来的物和人没有列出，内容还是比较丰富的。

一群女孩对着镜头摆pose，基本正确吧

女孩站在建筑物前，感觉不够精确

一群人坐在那里摆pose，基本正确吧

男人和女人看着镜头，显然不对吗，这是一张婚纱照

西服领带男，因为没有加入名人识别的功能，差强人意吧.

如果把几项AI功能结合起来使用，比如人脸识别、名人检测、图像分析、文字识别等，那样给出的图像分析会更加准确和丰富。

给出一张图片，AI即知天下事，这可能直接改变我们以前仅靠语言和文字交流的方式，革命即来，乐观其成吧。

Image Recognition Market by Technology (Digital Image Processing), Component (Hardware, Software, Service), Application (Augmented Reality), Deployment Type (On-Premises, Cloud), Industry Vertical, and Region - Global Forecast to 2021

据麦姆斯咨询报道，2016年，全球图像识别市场规模为159.5亿美元，到2021年将达到389.2亿美元，期间的复合年增长率将达到19.5%。全球图像识别市场成长的主要推动因素来自高带宽数据服务在零售业、金融和保险业的使用率增长。带有摄像头的智能手机和智能设备正吸引着厂商对这一市场加大投资。对具有图像识别功能的安全应用和产品的需求增长也促进了该市场的增长。零售、汽车、医疗保健和国防等不同领域的各家公司采用图像识别技术的趋势越来越明显。低分辨率和存储空间不足则是该市场面临的挑战。

按组件细分，全球图像识别市场分为硬件、软件和服务。在预测期间，硬件将引领市场的增长，其特点是越来越多的设备需求具备图像识别能力，如智能手机和扫描仪。

按应用细分，预测期内，安防在全球图像识别市场将以最快的复合年增长率增长。这一领域的增长是因为安全应用和产品需要更多地结合创新技术，如监控摄像头和人脸识别技术。

按部署类型细分，预测期内，本地部署将引领全球图像识别市场的增长。基于图像识别和衍生技术的应用，如面部识别和模式识别已广泛被本地部署采用，成为其增长的主要因素。

2016年~2021年全球图像识别市场（按地区细分）

按地区细分，北美洲占有全球图像识别市场的最大份额。该地区对新技术和先进技术采用率较高，如移动应用安全解决方案正在推动北美市场的增长。在预测期内，亚太地区的图像识别市场预计以最高年复合成长率增长。这种高增长归因于该地区越来越多地采用云、移动设施和基础设施管理解决方案，用以解决信息安全。

大多数厂商都采用推出新产品作为提高产品组合和客户体验的关键战略。该市场的现有厂商不断创新和升级产品，以提高市场份额。此外，由于图像识别技术的进步，重点厂商将专注于下一代解决方案和服务的推出。

本报告的研究范围：

按照技术细分：

- 编码识别

- 数字图像处理

- 面部识别

- 物体识别

- 模式识别

- 光学字符识别

按照组件细分：

- 硬件

- 软件

- 服务

按照应用细分：

- 扫描成像

- 安防

- 图像搜索

- 增强现实（AR）

- 市场营销和广告

按照部署类型细分：

- 本地部署（On-Premises）

- 云（cloud）

按照行业细分：

- 保险和金融业

- 媒体与娱乐

- 零售及消费品

- IT与通信

- 政府

- 保健

- 运输和物流

- 其他（游戏和教育）

按地区细分：

- 北美

- 欧洲

- 亚太地区

- 中东和非洲

- 拉丁美洲

价格：单用户版：7150美元（可以支付人民币）

若需要《图像识别市场-2017版》报告样刊，请发E-mail：wangyi#memsconsulting（#换成@）。

编者按：本文由「图普科技」编译自Image Recognition: Its revolutionary role in the business world

无论怎样，我们不得不承认，在我们所处的当今时代，技术发展对现代生活有着决定性的影响。

但令人喜忧参半的是，科技变化如此之快，我们几乎无法跟上它的脚步，更不用说预测未来了。 其中发展最快速，影响力最大和最吸引人的技术进步之一就是图像识别。

什么是图像识别？

图像识别是计算机视觉的机制之一，而计算机视觉是人工智能的一个分支。

正如我们在AI、机器学习与深度学习的区别一文中提到的那样，人工智能（也称AI）是一种能够模仿人类特征并胜任通常需要人类智能才能完成的任务的计算机系统。

为了让AI更有说服力，我们需要所谓的“计算机视觉”。根据Venture Beat的说法，计算机视觉是“计算机获取，处理和分析主要来自视觉提示或热传感器，超声波等类似来源的数据。

简而言之，计算机视觉使得机器能够“看”事物——甚至包括人类无法看到的事物。例如，位于匹兹堡（美国）的卡内基梅隆大学实际上正致力于研究名为“呼吸凸轮”的计算机视觉应用。该应用配备了四个云连接摄像头，可以让用户监控和记录空气污染，甚至可以追溯到污染的源头。是的，它“看到”了空气质量。

然而，要想让机器做到人类无法做到的事情，我们必须首先使机器能够做到人类可以做的事情：看到并标记物体和生物。这是图像识别的主要功能。

Tensorflow是一个由Google开发人员创建的开源软件库，它将图像识别定义为计算机将图像或视频分解为像素，识别形状，以便“看到”这些图像的内容，并对它们进行分类的过程。

人脸识别中的图像识别 | Sebastian Anthony

例如，股票网站每天都有数百万张图片上传和数十亿的搜索量。通常，网站建设者必须为他们上传的每张照片添加标签和说明，以便与用户的搜索词匹配。通过安装图像识别应用，一旦图像传输到服务器，机器就可以自动识别图像中的人物或物体。然后，它可以自动对图像进行描述，比人类的描述更加具体，从而优化搜索引擎并改善用户体验。

如何实现图像识别？

目前，深度学习是最有可能让机器实现“看”的能力的技术。简单地说，深度学习就是一种机器学习框架，通过模仿人类的神经元系统，为计算机提供自主学习能力。因此，计算机可以准确识别图片中的内容，而无需根据指令安装手动编码的软件——但它需要大量数据才能完成识别。

因此，全世界都在致力于开发大量数据，其中最典型的例子就是ImageNet和PASCAL数据集。经过多年的努力，这些庞大且免费的数据集包含数百万张图像，每张图像都标记有图像内容相关的关键字

1. ImageNet：由普林斯顿大学的研究人员于2009年创建，这个可视化数据集拥有从Flickr等搜索引擎收集的超过1400万个URL图像。在数据集创建过程中，工作人员和志愿者对提交的图片进行了详细地注释，并将其分类为约1000个对象类。

2. PASCAL：PASCAL由欧盟国家各大学联合创建，与ImageNet数据集相比，PASCAL相形见绌 —— 仅有20个对象类，共20,000个训练图像。

正如您可能已经从两者在类数量上的巨大差异中猜到的那样，PASCAL的分类更具通用性。相反，ImageNet注重图像识别技术发展一个关键特征：类间差异性——机器能够识别两张包含同一物种或物体的不同类型的图像，因此图像被分在不同的类别中。例如，虽然同一图片在PASCAL中仅属于“狗”这一类别，但它在ImageNet中可能被分类为“柯基犬”，“牧羊犬”或“哈巴狗”等类。

分类方法PASCAL vs. ImageNet | Savvycom Team

为什么要投资图像学习？

看起来每个人都在这样做，不是吗？因为他们确实在这样做。

2012年，Qualcomm Connected Experiences公司首次推出Vuforia软件平台。该平台利用图像识别技术提供大量的AR和VR相关功能，使得移动应用程序开发人员能够随意扩展视野。

虚拟现实用户| Flickr

Facebook于2016年开始帮助盲人“看”照片和图像。通过使用图像识别，Facebook IOS应用程序将为每张照片生成描述，并为用户大声朗读。

在今年早些时候，谷歌 - 世界上最值得关注的人工智能公司之一 推出了Cloud AutoML--一种旨在简化AI在企业运营中的应用的工具。 Cloud AutoML首先启动了图像识别功能，允许Google用户拖入图像并教会用户系统在Google云上识别图像。迪士尼和Urban Outfitters等公司已将其应用于网站搜索，使结果更符合用户需求。

谷歌 CloudAuto ML | Google

然而，人工智能应用并非大公司的特权。根据彭博首席经济学家McDonough的分析，自2015年中期以来，提及“AI”或“AI公司”的企业财报电话会议越来越多。事实上，80％的受访公司表示在生产中应用了AI应用程序。

为什么有数十亿美元投入到这项技术？ 我们的猜测是图像识别潜力巨大。

图像识别是一个非常抽象的领域。但是，当应用于具体情境时，其改变企业的潜力是无可辩驳的。让我们看看各个行业和企业流程中图像识别的几种潜在应用：

1. 医疗保健：图像识别最突出的能力之一是协助创建增强现实（AR）——一种“将计算机生成的图像叠加在用户对现实世界的视角之上”的技术。如果给人工智能提供AR技术和包含疾病视觉提示的数据集，你将有一个永生难忘的医疗助理。 有了它，医生就可以在检查期间获得患者伤口的的实时详细诊断建议或医疗文件。

2. 教育：图像识别可以让有学习困难或身体残疾的学生以他们能够感知的形式获得所需的教育。计算机视觉支持的应用程序可以提供文本到语音和图像到语音功能，帮助视力受损或有阅读障碍的学生“阅读”所提供的内容。

3. 食品和饮料：通过使用图像识别，智能手机上的简单应用可以获得Instagram和Facebook上图像的视觉提示，分析它们并提供实时数据。 例如，根据这些照片，该应用程序可以告诉你新加坡的某家咖啡馆是您家人和朋友经常去的地方，还是一个举办疯狂聚会的场所。通过这种方式，用户可以一目了然地获得本地定制方案，而餐厅也可以有效地接触到目标受众。

4. 电子商务：想象一个用户在街上看到他们想买的东西，但他们找不到人问在哪里可以买到它，因此他拍了一张照片。然后，该用户将其上传到配备图像识别技术的电子商务网站。算法本身可以“看”图片，扫描数百万个可选项，并推荐一个看起来与客户所寻求的相同，至少是最接近的选项。这正是Savvycom在2018年3月创建新AI Lab时的初衷。现在，我们的工程师正在研发人工智能视觉搜索工具，以利用拥有数千种产品的大型电子商务数据集，扩大电商体验。

5. 企业流程管理：先进的图像识别系统还可以在企业经营时协助识别。例如，机器可以进行面部识别，这将取代传统身份证，来确定某人是否被授予执行某项任务的权利：如访问文件存储系统，参加会议或检查工作。然而，我们不得不承认，由于个人情感、化妆等因素的影响，“看”和“识别”人脸比识别物体要复杂得多。因此，Savvycom的目标是尽快在即将开展的项目中解决这个问题。

图像识别技术发展面临哪些障碍？

图像识别并非一个新领域，但放眼全局，它仍处于早期阶段。就像任何一个典型的成长中少年一样，在适应现实世界时也存在问题。

还记得“80％的组织表示他们在生产中应用了AI应用程序”吗？在这些应用了人工智能技术的公司中，约有33％的公司表示采用人工智能技术的最大障碍是不稳定性 - 不成熟且未经证实。34％认为很难招聘到合格的工程师，40％表示信息技术基础设施建设阻碍了人工智能技术的引进，且很容易对公司的财务造成不利影响。

资金也是一个重要影响因素。由于用于数据流编程的开源软件库越来越多，如Microsoft CNTK和Accord.Net，机器学习爱好者能够以极低的成本进行研究和学习。然而，并非所有问题都能得到解决，因为并非一切都是已知的。为了实现产品创意，要平衡预算，公司仍有很长的路要走。

有一种解决方案可以解决许多上述问题：外包。IT外包公司专注于技能和专业知识，能以可预测的管理成本提供高端工具和最佳实践操作。简而言之，他们知道自己在做什么。那是他们的工作。

总而言之，图像识别是计算机视觉时代到来的早期征兆。无论它将如何应用或将应用于哪些行业，图像识别技术永远不可能孤立发展。只有通过访问更多图片，实时数据，花费更多的时间和精力才能使其更加强大。只有认识到这一点，并充分利用这些联系的企业才可能在未来取得成功。