微影青龙
当前位置:首页 - 学习 >

深度学习下的AI落地 计算机视觉是否一条好赛道

2019-07-01来源:期货新闻网

计算机视觉在中国AI市场组成部分占比巨大。 根据中国信通院2018年2月发布的报告数据,2017年,中国人工智能市场中计算机视觉占比37%,以80亿元的行业收入排名第一。

深度学习下的AI落地 计算机视觉是否一条好赛道

深度学习下的AI落地 计算机视觉是否一条好赛道

深度学习几乎成了计算机视觉领域的标配,也是当下人工智能领域最热门的研究方向。iNn基于移动互联网、视觉识别、深度学习、云计算和大数据技术为一体,为各行各业打造专属定制的软硬件解决方案。

计算机视觉的应用场景和深度学习背后的技术原理是什么呢?

深度学习下的AI落地 计算机视觉是否一条好赛道

机器学习

机器学习的本质其实是为了找到一个函数,让这个函数在不同的领域会发挥不同的作用。

像语音识别领域,这个函数会把一段语音识别成一段文字;图像识别的领域,这个函数会把一个图像映射到一个分类;就如iNn的直播内容过滤服务中,会对图像进行鉴别,智能鉴黄、暴恐识别、政治敏感、广告过滤、直播监控......而智能鉴黄中又将图像细分为色情、性感、非色情三大类,能够为企业节省95%的审核人力。

监督学习中,算法和数据是模型的核心所在。在监督学习中最关键的一点是,我们对训练的每个数据都要打上标签,然后通过把这些训练数据输入到算法模型经过反复训练以后,每经过一次训练都会减少算法模型的预计输出和标签数据的差距。这一切归功于我们上次提到的AI训练师们。

通过大量的训练,算法模型基本上稳定下来以后,我们就可以把这个模型在测试数据集上验证模型的准确性。 这就是整个监督学习的过程,监督学习目前在图片分类上应用得比较多。

卷积神经网络

卷积神经网络是专门针对图片处理方面的神经网络。 卷积神经网络首先会输入一张图片,这张图片有三个颜色通道的数据,这是输入层。 下面是卷积层,有一个卷积核的概念,每一个卷积核提取图片的不同特征。

深度学习下的AI落地 计算机视觉是否一条好赛道

提取出来以后到池化层,就是把卷积层的数据规模缩小,减少数据的复杂度。 卷积和池化连起来我们叫做一个隐层,一个卷积神经网络会包含很多个隐层,隐层之后是全连接层,全连接层的目的是把前面经过多个卷积池化层的特征把数据平铺开,形成特征向量,我们把特征向量输入到分类器,对图片进行分类。

简单来说,卷积神经网络更适合计算机视觉主要有两个原因,一是参数共享,另外一个是稀疏连接。

深度学习下的AI落地 计算机视觉是否一条好赛道

2015年基于深度学习的计算机视觉算法在ImageNet数据库上的识别准确率首次超过人类,iNn目前的识别准确率已高达99.7%。 计算机视觉算法的不断提升,带动了中美两国的科学家把计算机视觉算法运用到安防、金融、互联网、物流、零售、医疗、文娱、制造业等不同垂直行业。

技术发展趋势

提高预测精度,降低数据标注成本随着技术的不断发展,计算机视觉能够识别信息的种类从最初的文字信息,到人脸,人的体态识别,以及各种不同的物体。目前,英尼网络已经完成对文本、语音、图像、人脸、物体场景的智能识别,并能够提供对电商的精准营销服务。

深度学习下的AI落地 计算机视觉是否一条好赛道

单拿人脸识别技术来讲,能够识别的精度从最初的人1:1比对,到用于门禁系统等1:N比对,以及用在黑名单监控等场景的M:N动态监控。 除了提高算法精度以外,提高数据标注的效率也是计算机视觉公司重要的课题之一。

我国各类AI公司初始时在产业环节中各有偏好,初创企业在算法与模型训练上占优,互联网企业则拥有天然的数据优势,安防企业则凭借极强的工程能力加速安防项目落地。 深度学习下的AI落地化,已然开辟出一条光明大道!

转载文章地址:http://www.mihoroscoposemanal.com/xuexi/219.html
(本文来自微影青龙整合文章:http://www.mihoroscoposemanal.com)未经允许,不得转载!
标签:
机器学习 人工智能 大数据 移动互联网 语音识别
网站简介 联系我们 网站申明 网站地图

版权所有:www.mihoroscoposemanal.com ©2017 微影青龙

微影青龙提供的所有内容均是网络转载或网友提供,本站仅提供内容展示服务,不承认任何法律责任。