- ?
图像识别的应用场景有多广?取代网络鉴黄师不是不行
马喜藻
展开
人工智能或者是 AI 这个词,在 2017 年一月份几场科技相关的会议上,已被提及很多次。
刚过去的 2016 年,人工智能从一种鲜被了解的前沿科技,开始被大众熟知。
目前,人工智能已经成为不少行业的基础应用。
1 月 19 日,南都控股公司凯迪网络、旗下子公司数相科技,就图像识别的行业应用首次召开 AI 圆桌会议。会议邀请了不同领域如网络安全、动植物保护、跨境电商的专家,一同探讨人工智能领域细分下的图像识别技术的行业应用问题。
数相科技 CEO 邓立邦解释说,它们的图像识别技术,不仅仅是能做到识别“这是一只狗”,还能告知用户狗的品种等信息。
通过借助图像识别技术,能让不同领域的工作获得新的发展可能。
在商品应用方面,跨境电商百百购 CEO 邓文坚认为,通过图像识别,人们能利用移动终端,在实际的活动场景里获知商品资讯,进而或实现购物行为。这对于商家来说,也是一种从外界导流和提高移动端用户黏度的方式之一。同时,他提到,未来希望图像识别技术可以发展到能辨识真假货的高度。
北京大学计算机科学技术研究所所长郭宗明表示,目前流媒体上,视频、图片量占比 80% 以上,但有害信息也不少,借助图像识别进行信息筛选,能对互联网网络安全进行监控。“图像识别技术取代网络鉴黄师也能实现,其实现在就已经有在部署尝试了。”
中国科学院华南植物园园艺中心副主任廖景平则认为,图像识别在野生动植物的公众普及里也能有所应用,借助图像识别能让复杂且多的植物种类被准确认出,从而实现信息的准确传播。
- ?
解惑!卷积神经网络原来是这样实现图像识别的
董千万
展开
作者:Savaram Ravindra
来源:mindmajix
「机器人圈」编译:多啦A亮
图像识别是非常有趣和具有挑战性的研究领域。本文阐述了卷积神经网络用于图像识别的概念、应用和技术。
什么是图像识别,为什么要使用它?
在机器视觉领域,图像识别是指软件识别人物、场景、物体、动作和图像写入的能力。为了实现图像识别,计算机可以结合人工智能软件和摄像机使用机器视觉技术。
虽然人类和动物的大脑很容易识别物体,但计算机在相同的任务中却遇到了困难。当我们看着像树木、汽车或朋友的东西时,我们通常不需要有意识地去学习后才能判断它是什么。然而,对于计算机,识别任何东西(无论是钟、椅子、人类或动物)都是一个非常困难的问题,并且为该问题找到解决方案的风险非常高。
图片:CS231.github
图像识别是一种机器学习方法,其设计类似于人类大脑的功能。通过这种方法,计算机可以识别图像中的视觉元素。通过依靠大型数据库和注意显露模式(emerging patterns),计算机可以理解图像,并制定相关的标签和类别。
图像识别的流行应用
图像识别有各种应用。其中最常见和最受欢迎的是个人图片管理。照片管理应用程序的用户体验正在通过图像识别变得越来越好。除了提供照片存储,应用程序还要进一步向人们提供更好的发现和搜索功能。他们可以通过机器学习提供的自动图像组织的功能来实现。集成在应用中的图像识别应用编程接口根据识别的图案对图像进行分类,并将它们进行主题分组。
图像识别的其他应用包括全景图库和视频网站、互动营销和创意活动、社交网络上的面部和图像识别以及具有巨大视觉数据库的网站的图像分类。
图像识别是一项艰巨的任务
图像识别不是一件容易的事情。实现它的一个好方法是,将元数据应用于非结构化数据。聘请人类专家手动标注音乐和电影库可能是一项艰巨的任务,但是当涉及无人驾驶汽车的导航系统,如将道路上的行人与各种其他车辆区分开来或过滤,分类或标记每天在社交媒体上显示的用户上传的数百万个视频和照片等挑战时,将变得遥不可及。
解决这个问题的一个方法是利用神经网络。我们可以利用传统的神经网络在理论上分析图像,但在实践中,从计算的角度来说,成本将是非常昂贵的。例如,一个普通的试图处理小图像的神经网络(让它变为30 * 30像素)仍然需要50万个参数和900个输入。一个功能强大的机器可以处理这一点,但是,一旦图像变得更大(例如达到500 * 500像素),则需要的参数和输入数量就会增加到非常高的水平。
与图像识别神经网络的应用相关的另一个问题是过度拟合。简单来说,过度拟合发生在模型裁剪本身与其已经被训练的数据非常接近的时候。一般来说,这将导致附加参数(进一步增加计算成本)和模型对新数据的暴露导致一般性能下降。
卷积神经网络
卷积神经网络架构模型
就神经网络的结构而言,一个相对简单的变化可以使更大的图像更易于管理。结果就是我们所说的CNN或ConvNets(卷积神经网络)。
神经网络的一般适用性是其优点之一,但是这种优势在处理图像时变成了一种妨碍。卷积神经网络进行有意思的权衡:如果一个网络是专门为处理图像而设计的,那么为了更可行的解决方案,必须牺牲一些一般性。
如果你考虑任何图像,接近度与其中的相似性具有很强的相关性,并且卷积神经网络明确利用了这一事实。这意味着在给定图像中,彼此更接近的两个像素更可能与彼此分开的两个像素相关。然而,在一般的神经网络中,每个像素都都与每一个神经元相连。增加的计算负荷使得网络在这种情况下不太准确。
通过停止很多这些不太重要的连接,卷积解决了这个问题。在技术术语中,卷积神经网络使得图像处理可以通过邻近度对连接进行滤波而计算可管理。在给定层中,卷积神经网络不是将每个输入连接到每个神经元,而是有意限制了连接,使得任何一个神经元仅从它之前的层的小部分接受输入(例如5 * 5或3 * 3像素)。因此,每个神经元只负责处理图像的某一部分(顺便说一句,这几乎是个体皮质神经元在大脑中的作用,每个神经元只对整个视野的一小部分起反应)。
卷积神经网络的工作过程
图片:deeplearning4j
在上图中从左到右,你可以观察到:
·对特征进行扫描的真实输入图像。通过它的过滤器是光矩形。
·激活映射被安排在一个堆栈的顶部,另一个用于你使用的每个筛选器。较大的矩形为要进行下采样的1补丁。
·激活图通过下采样进行压缩。
·通过将过滤器通过堆栈进行下采样生成的一组新的激活映射。
·第二次下采样——将第二组激活图压缩。
·完全连接层,每个节点指定1个标签的输出。
CNN如何通过滤临近连接?秘密是添加了两种新的层:池化和卷积层。我们将以下述方式分解这个过程:使用一个被用于某种用途的,比如说,确定一张图片中是否包含祖父。
该过程的第一步是卷积层,其本身又包含几个步骤。
·首先,我们将把祖父的图片分解成一系列重叠的3 * 3像素的拼图。
·之后,我们将通过一个简单的单层神经网络来运行这些拼图,权重保持不变。将瓷砖排列组合,当我们保持每个图像尺寸是小的(在这种情况下为3 * 3)时,神经网络需要处理它们保证可控与小型化。
·然后,将以数字表示照片中每个区域的内容的数组进行输出值排列,其中坐标轴表示颜色,宽度和高度。所以,对于每个拼图,在这种情况下,我们将有一个3 * 3 * 3的表示。(如果我们谈论祖父的视频的话,我们会抛出第四个维度——时间)。
·下一步是池化层。它采用这些3或4维阵列,并与空间维度一起应用下采样功能。结果是一个池数组,其中仅包含重要的图像部分,同时丢弃剩余部分,这最大限度地减少了需要完成的计算量,同时也避免了过度拟合问题。
采用下采样阵列作为常规全连接神经网络的输入。由于使用池和卷积,输入的大小已经大大降低了,所以我们现在必须拥有普通网络能够处理的一些东西,同时保留最重要的数据部分。最后一步的输出将代表系统对于祖父图片的确信度。
在现实生活中,CNN的工作过程错综复杂,涉及许多隐藏、池化和卷积层。除此之外,真正的CNN通常涉及数百或数千个标签,而不仅仅是单一标签。
如何构建卷积神经网络?
从零开始构建CNN可能是一项昂贵而耗时的工作。话虽如此,人们最近开发了一些API,旨在使不同组织能够收集不同的见解,而无需自己研究机器学习或计算机视觉专业知识。
谷歌 Cloud Vision
GoogleCloud Vision是谷歌的视觉识别API,并使用REST API。它基于开源的TensorFlow框架。它检测单个面部和物体,并包含一个相当全面的标签集。
IBM沃森视觉识别
IBM沃森视觉识别是沃森开发者云(Watson Developer Cloud)的一部分,并附带了一大批内置的类别,但实际上是为根据你提供的图像来训练自定义定制类而构建的。它还支持一些很棒的功能,包括NSFW和OCR检测,如Google Cloud Vision。
Clarif.ai
Clarif.ai是一个新兴的图像识别服务,也使用REST API。关于Clarif.ai的一个有趣的方面是它附带了一些模块,有助于将其算法定制到特定主题,如食物、旅行和婚礼。
尽管上述API适用于少数一般应用程序,但你可能仍然需要为特定任务开发自定义解决方案。幸运的是,许多库可以通过处理优化和计算方面来使开发人员和数据科学家的生活变得更加容易,从而使他们专注于训练模型。有许多库,包括Theano、Torch、DeepLearning4J和TensorFlow已经成功应用于各种应用。
卷积神经网络的有趣应用
自动将声音添加到无声电影
为了匹配无声视频,系统必须在此任务中合成声音。该系统使用千个视频示例进行训练,用鼓棒击打不同的表面,产生不同的声音。深度学习模型将视频帧与预录音的数据库相关联,以选择与场景中发生的完全匹配的声音。然后系统将借助于类似于图灵测试的设置进行评估,人们必须确定哪个视频具有假(合成)或真实的声音。这是卷积神经网络和LSTM循环神经网络中非常酷的应用。在这里查看视频
- ?
人工智能中图像识别壁垒在哪?
涟漪
展开
关于人工智能,在这一两年内一直比较火,很多人听到和人工智能相关的就望而生畏,觉得很高档上的样子,本篇文章来说说人工智能的壁垒到底在哪?
要说清楚这几个问题:
人工智能主要解决问题,人工智能主要就是解决我们生活中的非结构化信息,比如说视频、图片医生诊断等,也就是不能穷举的问题。
人工智能大的方向有:图像识别、语音识别,自然语言处理和专家系统等,这是一个比较大分类 如果细化还会有很多。
人工智能实现的几个关键点:准备训练数据,建立训练模型,进行训练,模型应用。
明白了以上几个问题我们在再说人工智能中中图像识别的壁垒在哪,对于不同的类型他不同的壁垒也不尽相同。
图像识别
图像识别是现在做的比较多的,从几个关键点来说,作为图像识别的训练数据,需要我有一张图片,并且知道这张图片中有哪些信息,目前的状况是视频和图片在指数级的上涨,但是结构化的比较少,这就需要大量的人工去处理准备训练数据,这是一个很大的壁垒,需要很大的资金投入,百度和阿里都有相应的平台做相应的事情,找一群兼职的人来人工标注。
这就是他们做的,这个一般公司会架设一些自己平台做训练数据的标注,但是数据量很难达到规模。还有一些其他的第三方公司专门做这种服务,但是很难满足训练的要求。图像识别中训练数据算是一个最大的壁垒了。
图像识别中的训练模型,很多人以为这是人工智能的核心,其实不是的,你找一个大学的高数老师就能给你算法的东西讲明白,再找个计算机系的博士就能把框架搭起了,所有这块不是壁垒。
再就是训练了,为什么说这块也是关键点呢,因为这块是计算资源的问题,也就是钱的问题,模型训练过程中需要大量的计算资源,这个问题只要有钱就能解决。
然后就是图像识别的应用,他的应用场景比较容易想象,更接地气点,安防的,门禁的,视频处理的,认证类的,以及线下流量统计的。也就是应用上比较广泛,垂直一个领域做出东西,很快就能商业化。
- ?
李飞飞学生新作:利用场景图生成图像
段苡
展开
雷锋网 AI 科技评论按:近日,李飞飞的学生 Justin Johnson 在 arXiv 上传了一篇论文:Image Generation from Scene Graphs(从场景图生成图像),提出利用结构化场景图而不是非结构化文本生成图像,该方法能够明确解析对象和对象之间关系,并可生成具有多个可识别对象的复杂图像。
论文摘要
为了能真正理解视觉世界,模型不仅要能够识别图像,还要能够生成它们。近期在自然语言描述生成图片方面取得了令人兴奋的进展。这些方法在有限的领域(例如鸟类或花卉的描述)上提供了令人惊叹的结果,但对于具有许多对象和关系的复杂句子却很难成功复制。为了克服这个限制,作者提出了一种从场景图生成图像的方法,能够明确地推理对象及其关系。作者开发的模型使用图形卷积来处理输入图,通过预测对象的边界框和分割掩模来计算场景布局,并且将布局转换为具有级联精化网络的图像。论文作者使用对抗训练网络对抗一组鉴别器,以确保实际输出图像足够逼真。实验通过 Visual Genome 和 COCO-Stuff 数据集验证了其方法,定性结果和用户实验复现证明了该方法能够生成具有多个对象的复杂图像。
背景介绍
我不理解的事物,我是不可能创造出来的。——Richard Feynman
创作行为的产生建立在深刻理解所创造的事物的基础之上。例如,厨师要比食客更深层理解食物,小说家要比读者更深层次理解写作,电影制作者要比影迷更深层次理解电影。如果让计算机视觉系统要真正理解视觉世界,它必须不仅能够识别图像,而且能够产生它们。
除了传递深刻的视觉理解之外,生成逼真图像的方法也可能在实践中有用。在短期内,自动图像生成可以帮助艺术家或图形设计师更好地工作。有一天,可能会根据每个用户的个人兴趣爱好,私人定制图像和视频,从而取代依靠算法的图像和视频搜索引擎。
作为实现这些目标的一个步骤,通过结合递归神经网络和生成对抗网络,从文本到图像的合成,从自然语言描述生成图像已经有令人兴奋的进展。(论文作者在 Google Cloud AI 实习期间已经完成了这项工作)
图1
句子生成图像已经有一些最好的方法,例如StackGAN ,但它很难用真实的方式刻画出有许多对象的复杂句子。论文作者通过从场景图生成图像来克服这个限制,可以明确地推断出对象及其关系。
这些方法可以在有限的区域上产生令人惊叹的效果,例如对鸟类或花朵的细致描述。然而,如图 1 所示,从句子生成图像的主要方法遇到包含许多对象的复杂句子并不能发挥很好的效果。
句子是线性结构,一个词接一个词;然而,如图 1 所示,复杂句子传达的信息通常可以作为场景图更明确地表示为对象及其关系。场景图是图像和语言的强大结构化表示;他们已经被用于语义图像检索;评估和改进图像字幕。其方法也被开发用于将句子转换成场景图并用于从图像到场景图的预测。
在本文中,作者旨在通过调整场景图的生成来生成具有多对象和关系复杂的图像,从而使模型能够明确地解释对象及其关系。
这项新任务带来了新的挑战。作者必须开发处理场景图输入的方法; 为此,他们使用一个图形卷积网络,沿着图形边缘传递信息。处理完图后,必须填补符号图形结构输入和二维图像输出之间的差距; 为此,通过预测图中所有对象的边界框和分割掩模来构建场景布局。预先设定好布局后,必须生成涉及它的图像; 为此,使用级联精化网络(CRN),它在不断增加的空间尺度下处理布局。最后,必须确保生成的图像真实并且包含可识别的对象; 因此针对一组用于图像补丁和生成对象的鉴别器网络进行对抗训练。模型的所有组件都以端到端的方式共同学习。
作者在两个数据集上进行实验:Visual Genome 提供了人工标注的场景图,COCO-Stuff [3] 则根据地面真实物体位置构建合成场景图。在这两个数据集上,都会展示定性结果,演示其方法生成复杂图像的能力。这些复杂图像涉及输入场景图的对象和关系,并执行全面的图像分割来验证模型的每个组件。
生成图像模型的自动评估本身就是一个具有挑战性的问题,所以通过两个亚马逊 Mechanical Turk 用户研究评估了实验结果。与 StackGAN 相比,这是一个领先的文本到图像合成系统,用户发现,该方法生成的结果在 68%的试验中能更好地匹配 COCO 字幕,并且包含 59%以上的可识别对象。
实验方法
作者的目标是开发一个模型,将输入描述对象及其关系的场景图作为输入,并生成与该图对应的逼真图像。主要的挑战有三个:首先,必须开发一种处理图形结构输入的方法;其次,必须确保生成的图像涉及图形指定的对象和关系;第三,必须确保合成图像真实。
作者将场景图转换为图像生成网络 f 的图像,如图 2 所示,它输入场景图 G 和噪声 z 并输出图像 I = f(G,z)。
场景图 G 由一个图形卷积网络处理,该网络给出每个物体的嵌入矢量;如图 2 和图 3 所示,图层卷积的每个层沿着图的边缘混合信息。
我们通过使用来自图卷积网络的对象嵌入向量来预测每个对象的边界框和分割掩模,从而尊重来自 G 的对象和关系;这些结合在一起形成一个场景布局,如图 2 中间所示,它充当图形和图像域之间的中间层。
输出图像 I^是使用级联精化网络(CRN)从布局生成的,如图 2 右边所示。每个模块都在处理布局,增加空间尺度,最终生成图像 I^。我们通过对一对鉴别器网络 Dimg 和 Dobj 进行对抗训练 f 来生成逼真的图像,这些网络鼓励图像 I^看起来逼真。
关于实验中每一个组件更详细的描述,可查阅原论文:
图2
图像生成网络 f 用于从场景图生成图像的概述。模型的输入是指定对象和关系的场景图; 它用图形卷积网络(图 3)进行处理,该网络沿着边缘传递信息来计算所有对象的嵌入向量。这些向量被用来预测对象的边界框和分割掩模,它们被组合形成场景布局(图 4)。使用级联细化网络(CRN)将布局转换为图像 [6]。该模型是针对一对鉴别器网络进行敌对训练的。在训练期间,模型观察地面真实物体边界框和(可选)分割掩模,但是这些是在测试时由模型预测的。
图3中显示了单个图形卷积层的示例计算图。
图3
计算机图形表示单一的图形变化层。 该图由三个对象o1,o2和o3以及两个边(o1,r1,o2)和(o3,r2,o2)组成。 沿着每条边,三个输入向量被传递给函数gs,gp和go; gp直接计算边的输出矢量,而gs和go计算候选矢量,它们被馈送到对称池函数h以计算对象的输出矢量。
为了生成图像,必须从图域移动到图像域。为此,作者使用对象嵌入向量来计算场景布局,该场景布局给出了生成图像的粗略 2D 结构; 通过使用对象布局网络为每个对象预测分割掩码和边界框来计算场景布局,如图 4 所示。
图4
图 4 通过计算场景布局从图域转移到图像域。每个对象的嵌入向量被传递给一个对象布局网络,该网络预测对象的布局,总结所有对象布局给出场景布局。对象布局网络在内部预测一个软二进制分割掩码和一个对象的边界框; 这些与使用双线性插值的嵌入向量组合以产生对象布局。
图5
图 5 使用分别来自 Visual Genome(左四列)和 COCO(右四列)测试集的图形生成 64×64 图像为例。对于每个示例,都会显示输入场景图和手动将场景图转换为文本; 模型处理场景图并预测由所有对象的边界框和分割掩模组成的布局; 然后这个布局用于生成图像。作者还使用地面实况而非预测的场景布局显示了模型的一些结果。一些场景图具有重复的关系,如双箭头所示。为了清楚起见,忽略了某些东西类别的遮罩,如天空,街道和水。
图6
通过作者的方法生成的图像经过 Visual Genome 训练。在每一行中,我们从左侧的简单场景图形开始,逐步添加更多的对象和关系向右移动。图像涉及关系,像「风筝下面的汽车」和「草地上的小船」。
部分实验结果对比
表1
表 1 是使用 Inception 分数的消融研究。在每个数据集上,作者将测试集样本随机分成 5 组,并报告分组的平均值和标准差。在 COCO 上,通过构建不同的合成场景图,为每个测试集图像生成五个样本。对于 StackGAN,作者为每个 COCO 测试集字幕生成一个图像,并将其 256×256 输出下采样为 64×64,以便与论文中的方法进行公平比较。
表2
表 2 是预测边界框的统计。R@t 是具有 t 的 IoU 阈值的对象调用,并且与地面实况框测量协议。σx 和σ分别通过计算每个对象类别中框 x 位置和面积的标准偏差,然后对各个类别进行求平均来测量框的变化。
实验结果分析
图 5 显示了来自 Visual Genome 和 COCO 测试集的示例场景图以及使用论文作者方法生成的图像,以及预测的对象边界框和分割掩模。
从这些例子中可以清楚地看到,该方法可以生成具有多个对象的场景,甚至可以生成多个相同对象类型的实例:例如图 5(a)显示了两只羊,(d)显示了两辆巴士,(g)显示三个人,(i)显示两辆汽车。
这些例子还表明,该方法生成涉及输入图关系的图像; 例如(i)看到第二个西兰花左边有一个西兰花,第二个西兰花下面有一个胡萝卜; 在(j)中,该男子正在骑马,并且该男子的腿和马的腿都已经被适当定位。图 5 还显示了该方法使用的是地表实况而不是预测的对象布局生成的图像。
在某些情况下,该方法的预测布局可能与地面实况对象布局有很大差异。例如(k)图中没有指定鸟的位置,该方法使它站立在地面上,但是在地面真实布局中,鸟在天空中飞行。模型有时会受到布局预测的瓶颈,比如(n)使用地面实况而不是预测布局显着提高图像质量。
在图 6 中,通过从左侧的简单图形开始,逐步构建更复杂的图形来演示模型生成复杂图像的能力。从这个例子中,可以看到对象的位置受到图中关系的影响:在顶部序列中,添加「汽车在风筝下面」关系后,造成使汽车向右移动,风筝向左移动,从而风筝和汽车的关系也发生变化。在底部序列中,将关系「船在草地上」添加后,导致船的位置移位。
总结
在本文中,作者开发了一种从场景图生成图像的端到端的方法。 与从文本描述生成图像的领先方法相比,作者提出的从结构化场景图而不是非结构化文本生成图像的方法能够明确地解析对象和对象之间关系,并生成具有多个可识别对象的复杂图像。
论文下载地址:
雷锋网AI科技评论
雷锋网
- ?
人工智能图像识别大赛最后一年举办,胜者多是中国团队
裘书雪
展开
7 月底,举办第 7 年的 ImageNet 图像识别竞赛公布了 2017 年的,27 支参赛团队超过半数来自中国。其中 WMW 团队以 2.25% 的错误率赢得了图像分类竞赛,团队三人来自北京初创公司 Momenta,一人来自牛津大学;物体识别比赛中,DBAT 团队的识别精确度为 73.1% ,比去年的 66.3% 更进一步,团队成员有 8 人来自南京大学,两人来自伦敦帝国学院。
比赛结果
2014 年,Google 获得了大赛的优胜,但之后就没有再参加比赛。而且,今年的 ImageNet 大赛将是最后一次举行。
ImageNet 是什么?
简单的说,ImageNet 是一个给人工智能用的视觉识别库,里面都是包含定义和分类的图片。比如哺乳动物这个词条包含猫、狗等所有哺乳动物,下一级分类就细分为猫、狗等分类,其中单独包含这些分类的图片。
普林斯顿大学副教授,华裔科学家李飞飞是 ImageNet 的创始人之一。这个数据库一开始并不包含“竞赛”的性质,2007 年到 2009 年,ImageNet 利用人工、互联网分时雇佣平台等传统方法,收集了超过 320 万个被标记的图像,分为 12 个大类别, 5247 个小类别,比如哺乳动物、汽车和家具等等。
现在的计算机图像识别,基本上都是在一个算法的基础上,用大量分类图片来训练,以达到识别特定物体的效果。举例来说,如果想让一个 AI 认识猫,就必须给它看很多很多猫的照片,不同角度、花色、姿态,最终 AI 可以判断任意一张图片里是不是有猫。
所以,作为一个定义图片库,ImageNet 不仅可以用来训练 AI,还能够验证 AI 是否准确认出了图片里的内容。2010 年开始,ImageNet 设立了竞赛规则,开始邀请全世界的计算机科学研究者参加竞赛,比赛内容是比较算法识别特定图像的错误率。
2012 年的 ImageNet 比赛是一个。那年,来自多伦多大学的 Geoffrey Hinton、Ilya Sutskever 和 Alex Krizhevsky 提交了名为“AlexNet"的深度卷积神经网络算法,这种算法的图形识别错误率低至 16%,比第二名低超过 40%。可以这么说,人工智能在“看特定的图”这件事上第一次接近了人类。里程碑
从此,深度卷积神经网络算法成了主流的研究方向,图形识别的错误率也一再降低。2015 年的比赛中,计算机看图的错误率已经低至小数点后两位——百分之几,研究者认为,计算机在这种特殊的任务中已经超越了人类。
2015 年之后,由政府资助,中国人参与的团队开始在 ImageNet 里获得更好的成绩。2016 年,公安部第三研究所资助的 Trimps-Soushen 获得“图像目标定位”单项的第一名;南京信息工程大学团队 NUIST 获得“视频中物体探测”子项目的第一;监控摄像机厂商海康威视 HikVision 获得“场景分类”单项的第一。
简单的说,近两年来获奖的项目,主要致力于特殊的任务,比如视频监控和识别。2014 年,Google 组建的团队 GoogLeNet 把物体识别的准确度从前一年的 22.6% 一下提高到 43.9% 之后就不再参加 ImageNet。而今年之后,ImageNet 将停止竞赛论文的提交。
因为基于分类图片的图像识别已经非常准确,没有太大的发展空间了。未来图像识别人工智能的研究将转向没有标注的图片和视频。
未来,由苏黎世联邦理工、Google Reasearch、卡耐基梅隆大学等共同组织的 WebVision 竞赛将接替 ImageNet 的地位,WebVision 的数据直接从网络抓取,没有经过标注,可能本身就包含很多错误的信息,而且分类也更多。从另一个角度来说,这种数据训练出的人工智能,在模糊识别的能力上将更接近人类。
未来,更先进的计算机图形人工智能,或许会在城市监控、罪案侦破方面替代人类,在自动驾驶等领域创造新的生活和工业模式。
题图/bigsnarf.wordpress
- ?
人脸识别迅速“认出”盗窃者,人脸识别技术应用场景你了解多少?
天荷
展开
近两年,随着人脸识别技术的迅速发展,“刷脸”逐渐成为新时期生物识别技术应用的主要领域。尤其是在进入2017年之后,人脸识别更是迎来了井喷式的爆发,无论是在通关、金融、电信、公证等领域需要对人和证件进行一致性验证的场景,还是交通、公安、楼宇、社区等领域的安防布控场景,默默地影响着我们的生活,那么,人脸识别技术究竟影响了我们生活的哪些方面呢?
苹果新手机的发布会上,“人脸识别”技术成为一大亮点。人脸识别,其实是对人脸特征进行分析计算并进行身份识别的一种生物识别技术,与指纹识别、虹膜识别并称为“三大能够进入实用阶段的生物特征识别技术”。这种技术是用摄像机或摄像头采集含有人脸的照片或视频,对其中的人脸进行检测和跟踪,进而达到识别、辨认人脸的目的。
那么,人脸识别是怎么实现的呢?这是一个复杂的技术问题......
人脸识别主要包括人脸检测、特征提取、人脸分类三个过程。简单地说,就是通过人脸检测,对五官进行一些关键点的定位,然后提取计算机能够识别的人脸特征,最后进行一个相似度的比对,从而得到一个人脸识别的结果,也就是判断“刷脸”的是不是你本人。
人脸识别技术应用于铁路安防系统
随着技术的进步,人员组织的不断复杂化,铁路安全形势不断面临新的挑战。火车票实名制有效阻止了不法分子进入车站,但是,目前铁路客运安全检查,基本还是靠安检员来检查票、证、人是否一致,而证件照片往往是多年前的照片,安检员很难辨认,辨别度很低。而人脸识别技术,准确度高、便捷性好,运用于铁路安防系统,将极大的提高安防系统,强化通关,让不法分子无空子可钻。另外,人脸识别技术还能助力强化追溯,支持在超大的人像库中定位查找对象,这将有力协助公安部门侦破案件,或抓捕在逃案犯。
人脸识别技术应用于教育领域
近年来,从中考、高考等升学考试,到执业资格、晋级升职等等考试,均不同程度地出现了替考现象,而利用人脸识别技术实现证件内照片特征和实时人脸照片特征比对识别,辨别考生身份,可防止考场替考现象的发生。人脸识别技术还可应用于校园,能有效地对进入校园的可疑人员做到预警。
人脸识别技术推进于智能城市建设
随着人类社会的不断发展,未来城市将承载越来越多的人口,为实现城市可持续发展,建设智慧城市已成为当今世界城市发展不可逆转的历史潮流。而在智慧城市的建设过程中,需注重对信息的结构化存储、分析挖掘,人脸的结构化云识别储存是构建整个智慧城市基础数据之一,是智慧城市云储存体系中的不可或缺的一部分。通过智慧城市的高速数据传输链及结构化的数据筛选,可将人脸大数据与智慧城市中其它的大数据之间碰撞出火花,更加凸显出人脸识别“用”的价值。
譬如,近日贵阳警方根据建“人像大数据”系统帮助失主在贵阳市南明区二戈寨某理发店找回被盗走的OPPO-R9手机一部。接警后,南明分局二戈所派出所民警迅速开展调查,由现场周边的视频监控中获取了一张嫌疑人的清晰截图,并立即将该截图上报至分局作战室进行人像对比。分局作战室运用刑侦支队人脸识别系统进行比对后,快速比中一名可疑人员张某。
如今,人脸识别技术不再仅仅局限在考勤、门禁行业的简单应用,而是凭借其人脸的唯一匹配性以及安全优势,受到高安全性环境应用领域的青睐。而厦门云脉技术近年来致力于人脸识别核心技术的研发与产品化,并推动其与各行业相结合,依托自研的人脸识别算法以及成熟的OCR识别技术,为切实解决不同行业难题,推出了不同的人脸识别解决方案。云脉人脸识别技术识别速度快,精度高,不受一些化妆、眼镜等因素影响。
在这个越来越“看脸”的时代,人脸识别技术将会越来越备受瞩目,而应用也会越来越广泛。相信未来将会有越来越多先进的人脸识别设备将会应用到生活当中,为我们的生活带来便利与安全。
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!
- ?
图像识别、视频识别想要大规模爆发,还需要克服这些问题
古松树
展开
网上曾经有个经典段子用来揶揄某些男生:长得帅有什么用,用脸能刷卡吗?现在能理直气壮地回答:可以。
人脸识别,是基于人的脸部特征信息进行身份识别的一种生物识别技术。眼下,人脸识别正在渗透到各个行业。科幻大片中利用人脸识别技术、在茫茫人海中快速锁定目标的情景如今已经成为现实。银行、边防海关、机场、火车站等等都开始出现人脸识别,“一脸走天下”的时代正在到来。
这些日子,刷脸的新闻已不再新鲜,而且有关百度人脸识别成功识别被拐人和父母的消息,再次让人们看到技术服务社会的便利,也让人脸识别又高调地刷出存在感。
不过,仔细想来,除了静态图像,动态视频数据更多存在于生活之中,无处不在的摄像头捕捉海量视频数据,深度分析后能够和其他行业数据综合分析,在更多场景落地服务。图像识别、视频识别共同起飞,前景无限,但目前的技术仍待完善,也不能盲目乐观、制造泡沫。
图像识别服务“隔代认亲” 数据积累仍是关键
一直火热的人脸识别最近又在“隔代认亲”方面取得突破,百度的人脸识别技术成功帮助失散27年的被拐人通过一张跨年龄照片识别亲生父母,让寻亲效率大大提高,同时降低成本。
从此次合作方“宝贝回家”负责人处得知,这次成功认亲是通过首批“宝贝回家”平台上的2万多条寻亲数据接入百度跨年龄人脸识别系统对比评测的结果,初步筛选出数十组疑似案例后,再进行深度比对。
其技术原理与人脸识别相同:形成灰度图,分别提取父母面部的特征点和孩子的特征点,进行比对。赛前通过多次机器学习,在各种变量中间平衡,提高识别的正确率。
这其中的原始数据积累极为关键。人脸识别的准确率是依靠海量数据训练模型、优化算法得到的,只有跨年龄图像数据足够多才能得到最优模型,所以数据掐住了准确率的喉咙。
数据采集一方面可以依靠公开数据源,另一方面更需要扩大采集范围,为广大失散人群和其父母及时录入面部图像,扩充数据库以完善技术。
现实中很多二三线城市还不能便捷地采集图像数据,而且数据采集后的共享也是难题。多地公安部门采集人脸图像后,还需要汇聚到统一平台进行孩子与父母的对比识别,这需要各地数据形式可对接,基础平台建设时需要统一部署,功夫下在平时,当前平台的改进也是很大工程,所以打拐的技术落地还有很长的路要走。
视频识别:落地安防更有意义 硬件、技术仍待突破
前文提到过,图像识别需要大数据积累,除了主动采集之外,还可以通过无处不在的摄像头捕捉视频数据获得。视频识别要比对的数据更多。比如一辆行进中的公交车,机器除了要记得公交车的形状,还要掌握其运动轨迹特征。这样就可以对视频中提取的多张照片进行比对,准确率也就更高了,帮助警方查到犯罪车辆也指日可待。
在摄像头帮助下,数据量暂时不是问题了,接下来就是数据处理的智能化水平如何提升的问题。与图像识别不同,视频数据的智能分析可以从数据源头,也就是“摄像头”做起,在获取数据时简单分析或筛选,提升后续数据处理效率和准确率。
不过,从硬件智能化来看还存在一定瓶颈。但目前受限于硬件和基础设施,前端视觉元件无法完成复杂的计算,只能通过网络传输视频到本地化服务器或者云平台分析。对此,部分厂商成功将一些简单算法嵌入到视觉元件,一定程度上实现了分析前置化。
一方面需要英伟达、英特尔等芯片厂商攻关,提升GPU处理能力,另一方面需要不断优化算法,用大数据多次“训练”计算机,建立最优模型实现高准确率。
与图像识别类似,误差的问题仍旧是老生常谈。这就需要从摄像头性能和算法两方面入手解决。目前摄像头在50米之外就难以获得清晰图像,这为识别造成很大困扰。这就必须研制高清摄像头,突破拍摄距离的瓶颈,让摄像头变为千里眼。
在算法和模型优化,黄经理介绍到,可以建立一套独特的数据搜集,分类,标注系统,结合高效执行能力的运营团队,从而快速完成这个训练迭代流程。
视频识别和图像识别都是快速发展的新兴技术,目前很难说已达到爆发点,离真正的成熟和理想化还有很长的前路要走。一方面需要大数据不断积累为机器学习提供“教材和课题”,另一方需要提升芯片、算法和模型的性能,让计算机学会“解题方法”和速算,为更多应用场景提供服务。
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!
- ?
荣耀10 的AI场景智能识别究竟如何?真正实测为你揭秘!
戛然
展开
说到人工智能AI,很多人觉得噱头大于实际,离自己的生活挺远的。不过,随着AI技术的发展,众多手机AI智能加持,人像美颜、动物、风景等AI智能场景识别概念层出不穷,成为一大卖点,已经越来越成为手机的标配,进入到我们的日常生活中。
从科技本质来讲,AI的发展在于算法的迭代优化,甚至深度学习。对拍照来讲,简单来说就是能看懂东西,并进行区别对待,在硬件的支持下,通过识别场景,优化成像参数,给用户更好的体验,毕竟谁都想随手一拍就是大片(这里默默心疼背着单反的摄影大师三秒钟)。
在我个人体验来讲,AI能力的直观感觉就四点,1识别认知,2识别准确率,3识别速度,4成像效果。现在市面上很多手机都打着AI摄影的名号,有一款销量破百万的荣耀10,号称智能识别22类标签,500+种场景,到底实不实用呢?好奇的我决定亲自体验一番,就用这款荣耀10和另一款主流机型进行对比。
先看样机,不得不说荣耀10色彩很抓人,背面摒弃了传统的单色机壳,随着角度的变换,机身就像彩虹一样,也充满了变化。
(右边为荣耀10)
我们先看看这两台手机在拍摄时识别认知的情况。
把两个手机同时靠近场景(绿植为主),大家注意看,荣耀10的屏幕下方马上出现了绿植场景的标签,而另一台手机却没有识别出来。我想这是因为荣耀10拥有强大的的图像语义分割能力,能智能识别出图像不同区域的内容,并迅速对图像精准分割,反馈,完成场景识别,在“能不能识别”的问题上,荣耀10轻松过关。
(右边为荣耀10)
我们再来看看它们的识别准确率。
把手机稍微调下角度,尽量把绿植场景放进来,这样可以看到两款手机都识别出来了,这样手机就能根据场景自行调整成像参数,避免出现光线不足、偏色问题,还原真实场景,为良好的成像打下基础。这一操作看来难度不高,两款机器都能顺利完成。
(右边为荣耀10)
接着是再对比一下识别的速度,毕竟谁也不想端着手机半天都拍不了。我同时调整好角度,并把绿植放入屏幕内,只见荣耀10瞬间就识别出了场景。而旁边的手机大概用了2,3秒完成识别,场景标签慢慢才出来。看来,荣耀10的场景识别在识别速度上算是比较领先的。
最后看一下成相效果,这里还是拿花朵场景来做对比,我们可以看到荣耀10的成像效果明显更好,色彩、光线效果非常的棒。花骨朵,花瓣,花茎颜色很是饱满,细微的色彩差别也表现的很到位。
(右边为荣耀10)
通过具体的场景识别对比,我们可以看到荣耀10的AI摄影在场景识别的认知、准确率,速度上均表现出色,真正做到了AI智能摄影,智慧的解决用户在摄影上的难点,让你随手一拍就是大片!
- ?
用AI进行图像内容识别,辨认图像中所有事物对象,实测详情在这里
龚子骞
展开
什么是图像内容识别?图像内容识别(Image content recognition)是一项从图片中识别出图像内容(即事物对象)的计算机技术,这些对象包括人物、风景、建筑、物品、设备等等。图像内容识别技术基于对图像特征的提取和分析,再将该特征与特征库中的对象对比,找出符合条件的对象并标记出来。很多时候,技术上不能百分百肯定识别结果,一般给出识别对象的置信度指标,该指标一般用概率表示,用来反映对象识别的可信程度。
用腾讯优图在线做图像内容识别腾讯优图提供了图像内容识别的在线技术体验服务,可以利用它来进行在线图像内容识别,以下是实测的详细结果。
图像内容识别前的准备:准备简单的图像照片5张:单男性、单女性、单动物(老虎)、单物品(手机)、单交通工具(汽车)准备中等复杂的图像照片5张;户外雕塑场景、人骑自行车场景、影视发布会现场、头顶足球场景、别墅外景准备复杂的图像照片5张;客厅家具场景、高铁站内场景、汽车站场景、园林公园场景、花市现场
图像内容识实测结果简单男性图片识别结果:
识别对象:男孩、海报,正确
简单女性图片识别结果:
识别对象:女孩、海报、写真照,正确
简单动物图片识别结果:
识别对象:老虎、猛兽、动物、动物园,正确
简单物品图片识别结果:
识别对象:手机,正确
简单物品图片识别结果:
识别对象:汽车、海报,正确
中等复杂图片-户外雕塑的识别结果:
识别对象:树木、雕像、草地,正确
中等复杂图片-人骑自行车的识别结果:
识别对象:自行车、女孩,正确
中等复杂图片-影视发布会现场的识别结果:
识别对象:合影、舞台、演出,正确
中等复杂图片-别墅外景识别结果:
识别对象:天空、树木、草地、云、房屋、建筑,正确
中等复杂图片-头顶足球识别结果:
识别对象:运动场、草地、足球场、树木,正确识别对象:合影,不正确未识别对象:女孩、足球
复杂图片-客厅家具的识别结果:
识别对象:桌子、椅子、客厅、窗户、家具,正确;识别对象:沙发,不正确
复杂图片-高铁站内的识别结果:
识别对象:人群、合影,正确;识别对象:会场,不正确
复杂图片-汽车站识别结果:
识别对象:天空、云、房屋、汽车、高楼、都市远景,正确;识别对象:树木,不正确
复杂图片-园林公园识别结果:
识别对象:树木、湖、水、楼阁、桥,正确;识别对象:天空,有点牵强,分不出是天空倒影
复杂图片-花市现场识别结果:
识别对象:花丛、花,正确,未识别对象:人或人群
小结从图像内容识别检测结果看,简单的图像,男性、女性、老虎、手机、汽车,5张照片都正确检测到内容;中等复杂的图像,户外雕塑、人骑自行车、影视发布会现场、别墅外景的检测内容完全正确,但头顶足球场景的检测内容部分正确,部分不正确,并且遗漏了明显的两个对象;复杂的图像,客厅家具、高铁站内、汽车站、园林公园、花市现场,都是检测内容大部分正确,小部分不正确或都遗漏个别对象。根据实测数据,基本能检测出图像内容(对象),但置信度数值普遍比较低,大部分低于50%。看来,图像内容识别技术似乎不但要增加能够识别的对象类型数量,还要进一步提升识别对象的置信水平。
- ?
从图像识别多样化的应用场景,看计算机视觉的未来价值
Suva
展开
789行业研究所 位于肇嘉浜路789号,即有声Voice所在地。创投圈一群颜值最高的记者,致力于为各位提供可看性最高的行业分析。一文在手,世界我有,789研究所,你值得拥有。
|第八号文件
研究员:赵瞳
伴随着移动互联网、智能手机及各社交平台的快速发展,图片的传播力度不断强化,传播范围也日渐扩充。相比文字、音频、视频等传播形式,图片传播更具“点睛”效果,符合快节奏生活下人们高效的阅读方式。
当图片给人们带来快捷的信息记录和分享方式的同时,海量图片广泛地传播在大众视野下,相应的问题也随之而来。文字记载,用户可以轻松通过关键词搜索获取意向信息,而当图片记载,用户无法直接通过搜索图片检索到可利用信息。
科学技术的进步总是与解决问题的诉求如影随形,在用户痛点下,迫切需要科技的优化创新,此环境下应运而生的图像识别技术便显得尤为重要。
什么是图片识别?
百度百科上对于图像识别的概念定义是以图像为基础,利用计算机对图像进行处理、分析和理解,以识别各种不同模式的目标和对像的技术。
简单来说,图像识别即利用现代信息处理与计算机技术来模拟和完成人类的认知、理解过程。显然,图像识别的前提是要基于人工智能中深度学习技术的应用,系统通过对目标图像的观测,划分类别,分辨特征进行有意义判断。
下面789研究所将带你“用一张图读懂图像识别技术的关键步骤”:
图像识别技术本身的原理并不复杂,信息的处理是这一技术的关键点所在。近年来,由于深度学习的发展,大大提高了图像识别的准确率,深度学习通过大量图像数据信息特征的积累与分析,可自动完成特征提取和图像匹配等任务。
但目前深度学习技术过分依赖大数据,只有在拥有大量特征数据下才可做精准的图像识别,那么如何在有限的数据下继续利用深度学习完成物体识别任务便是科学界值得关注与研究的问题。
图像识别多样化的应用场景
近期上映的国产电影中如《心理罪》、《战狼》,大多镜头都展现出人工智能中的图像识别技术,如《战狼》中,当雇佣军使用无人机潜入工厂时,利用人脸识别的无人机手控追踪射击片中主角“冷锋”一幕,就体现了基于图像的人脸识别技术在安全领域的应用。
根据平安证券的《通信行业人工智能图像识别专题报告》,图像识别分为生物识别、物体与场景识别和视频识别。
据估算,到2020年,生物识别技术市场规模将达到250亿美元,5年内年均增速约14%。其中,人脸识别增速最快,将从2015年的9亿美元增长到2020年的24亿美元。
图像识别作为人工智能研究的重要分支,占据着极为重要的地位。随着我国计算机技术与信息技术的不断发展,人工智能中的图像识别技术的应用范围不断扩展。
图像识别可能应用的场景整理如下:
1.安全领域:指纹识别、人脸识别等,代表项目如Face++、依图科技、深醒科技等。
据不完全统计,在人工智能通用应用层下,图像识别的热度仅次于语音识别,其中人脸识别层面更是广泛应用于金融、公共安全、军事、航空航天、工业、教育、医疗等行业。
此外,从36K“鲸准”APP数据来看,在人工智能企业中有接近三分之一的企业提供人脸识别的产品或服务。
备注:IT 桔子数据显示,「人脸识别」是人工智能「视觉与图像」领域中最热门的应用,今年 2 月,《麻省理工科技评论》发布「2017 全球十大突破性技术」榜单,来自中国的技术「刷脸支付」位列其中。这是该榜单创建 16 年来首个来自中国的技术突破。
(图片来源:IT桔子)
2.军事领域:地形勘察、飞行物识别等,代表项目全悉科技。
在军事方面图像处理和识别主要应用场景为通过对侦察照片的判读,进行目标识别并追踪。
在战争中,发现敌方的飞行物并不困难,难点在于能否识别飞行物。作为远距离探测,光线强弱、隐蔽范围等因素都是对图像识别技术能否顺利落地的考验。
3.交通领域:车牌号识别、无人驾驶、交通标志识别等,代表项目纵目科技、TuSimple(图森科技)、驭势科技等。
自IBM、英伟达、Uber、Google、Apple相继打入无人驾驶市场,各家公司不惜重金投入技术研发层面,但就目前来说,想要完全实现自动驾驶/无人驾驶,距离技术成熟还有一段路要走。
此外,高昂的生产成本也导致无人驾驶很难商用。据了解,去年完成测试的百度无人车的成本奇高,仅一台车载雷达就耗资70万元。
(图片来源:IT桔子)
4.医疗领域:心电图、B超、健康管理、营养学等,代表项目智影医疗、图玛深维等。
(图片来源:健康界)
AI医疗类项目,多围绕大数据、云计算及人工智能等技术创建基于数字图像处理系统下的医疗诊断辅助工具。
具体场景可以是各类医学图像分析诊断、病例图像分析以及超声波图像处理、心电图分析等方面。依托前沿的科技,不仅降低了医疗成本,还极大程度提升了医疗质量及效率。
6.生活领域:智能家居、购物、智能测肤等,代表项目Yi+、木薯科技、肌秘等。
所谓科技改变生活,当人工智能以迅雷不及掩耳之势闯入大众视野后,人们的衣食住行也在发生着锦上添花的变化。
服装行业因强物理属性特征,如色彩、纹理、形状等,往往无法用精准的文字进行描述,因此,图像识别技术的应用便显得尤为重要。
通过用心仪服装图像做检索条件,能够更加客观而准确的检索到相似度较高的目标商品,在提高用户购物体验的同时,也使得服装企业在电子商务领域得到进一步发展。
其实,当时尚界遇到人工智能,还有更多的想象空间。结合人工智能以垂直领域和细分场景做切入口,重点布局美妆、服装等行业,具备可持续不断挖掘商机的价值。
备注:在2017 年的秋冬纽约时装周,腾讯优图大显身手。他们借助人工智能的人脸识别与图像处理技术,发布了《AI+时尚:中国 95 后流行色报告》,报告中通过对2016年QQ空间相册的千亿公开照片和唯品会95后服装销售大数据进行分析,得到了属于中国95后的流行色“95度黑”。和常规的RGB值为0/0/0的黑色不同,这种RGB值为22/20/24 的黑并不是太饱和,像95后的性格一样,带着一份酷酷的神秘感。
计算机同样渴望“明亮双眸”
计算机视觉是赋予计算机一双“眼睛”的科学技术,通过摄影镜头完成对目标识别、跟踪和匹配等工作。
近些年,基于深度学习的发展,计算机视觉在人工智能和深度学习的大背景下方兴未艾,与此同时,当越来越多的应用场景被挖掘出来时,也意味着计算机视觉的发展前景将无比广阔。
当计算机视觉技术作为一种开放性信号,蓬勃发展之时,经典问题得以解决,新的问题也会不断涌现,如何寻找新的技术突破口?现有技术间如何融合?技术如何突破瓶颈并实现质的飞跃?等诸如此类问题都是计算机视觉技术发展到后期所必须面临的命题。
此外,计算机视觉发展的另一个重要趋势是应用于识别真实世界中较为复杂的图像内容。
据科学统计,人类对世界的感知80%来自视觉。计算机如何像人眼一样,甚至是高于人眼的识别力,是技术不断深挖的关键点。
就目前资本市场热度来看,计算机视觉仅次于深度学习,图像识别、人脸识别、视频识别三大方向最受资本青睐。
尽管人工智能的资本市场已被炒的火热,但创业者还应保有冷静的分析,技术固然是核心,切实可行的应用场景及准确切入市场需求也不容忽视。
最后用微软创始人比尔盖茨再次肯定计算机视觉的发展前景,“IT的发展很让人激动,近期最大的事情是视觉识别(computer vision),该领域发展非常快。原来我们的机器人是瞎子,以后几乎和人具备一样的视觉,这样的机器人可以用在工厂、办公室、在野外等等各种工作环境。”
编辑:阿鲸