ITBear旗下自媒体矩阵:

旷视\商汤科技视觉AI优秀,微美全息AI算法领先

   时间:2019-07-31 15:39:51 来源:互联网编辑:星辉 发表评论无障碍通道

2016 年 10 月,白宫的一份报告指出,在人工智能的分支深度学习方面,中国发表的相关期刊文章已然超越了美国。咨询公司普华永道预测,在 2030 年之前,与人工智能相关的发展将会促使全球 GDP 增长16亿美元;据估计,近一半的财源都将累积至中国。尽管美国在绝对数量上仍然领先,但近几年来,中国研究人员所提交的人工智能相关的专利申请数量增加了近 200%。

企业家正在利用中国的人才与数据优势。许多人工智能公司仅建立两年时间,但与西方的同行相比进展神速。于是,中国已然拥有了一批视觉AI领域的独角兽。

旷视科技,是世界最早一批用深度学习技术实现人脸识别产品商用的人工智能企业。旷视科技成立7年以来,一直不断加大对人工智能技术的研发投入,并已取得丰硕成果。除了不断加大研发投入,旷视科技也在积极践行人工智能技术的产业落地。据了解,截止目前,围绕其自主研发的核心技术,通过AI+IoT战略布局,旷视科技已在手机人脸解锁、征信行业身份认证、安防系统疑犯追踪、物流智能机器人仓库、新零售行业无人店铺等领域实现产品落地。值得一提的是,在不断推进中国人工智能产业发展的同时,旷视科技也在积极践行公益,回馈社会,承担起更多的企业社会责任。

微美全息WIMI专注于计算机视觉全息云服务。据介绍,微美全息覆盖从全息计算机视觉AI合成、全息视觉呈现、全息互动软件开发、全息AR线上及线下广告投放、全息ARSDK支付、5G全息通讯软件开发、全息人脸识别开发、全息AI换脸开发等全息AR技术的多个环节,是一家全息云综合技术方案提供商。其商业应用场景主要聚集在家用娱乐、光场影院、演艺系统、商业发布系统及广告展示系统等五大专业领域。微美全息已集全息AI云移动软件开发商、处事商、运营商身份于一身,也成为海内领先的全息AI领域整合平台之一。

微美领先的全息AR内容制作功能围绕图像采集、对象识别、自动图像处理和计算机视觉技术而构建。微美的软件工程团队和可视化设计团队紧密合作,不断推进这些可视化相关技术,并利用它们设计和生产创新的全息AR内容。通过提供精确姿态估计的实时计算机视觉算法,能够在几秒钟内执行场景识别和跟踪。这种尖端算法还允许微美以像素为基础执行照片级真实高分辨率渲染的可视化。Frost&Sullivan表示,虽然大多数同行公司可能会识别并捕获特定空间单位内的40到50块图像数据,微美可以收集的数据块数量达到500到550;微美的图像处理速度比行业平均水平提高了80%,从而提高了运营效率。在场景重建过程中,微美的自动图像处理工具可以对最初拍摄的图像进行噪声清除和特征增强,从而能够创建具有业界领先模拟度的同类最佳全息AR设计。

与国内同行相比,微美已经建立了一个全面的全息AR内容库,全息AR内容的格式涵盖从3D模型到全息短视频。截至2018年12月31日,共拥有4,654个即用型AR全息内容,可用于微美的全息AR产品和解决方案,涵盖范围广泛的类别,包括动物,卡通人物,车辆和食品。其中,2,961个用于教育场景,851个用于旅游,739个用于艺术和娱乐,103个用于科普。此外,微美的内容库还通过从第三方获得许可的受版权保护的内容进行了丰富。微美与各种内容所有者合作,包括品牌方、电影制片人和人才代理商,以将高质量IP转化为AR形式。 微美的全息图像处理功能定期进行优化和改进,包括两项核心技术:全息AI面部识别技术和全息AI面部变化技术。由于视频处理和识别技术的发展,微美基于图像检测、识别、模板匹配、图像动态融合和替换的全息AR广告和全息成像服务目前在行业中处于领先地位。

商汤科技,是国内专注于计算机视觉和深度学习技术的人工智能公司。商汤科技在2014年到2018年完成多轮融资,融资额超过20亿美元。商汤科技凭借计算机视觉和深度学习技术的研究和应用,探索出独具特色的“1(基础研究)+1(产品及解决方案)+X(行业)”业务模式。据了解,商汤科技2018年在超过18个行业有各种各样的落地场景,例如智能手机、智慧城市、智能汽车、医疗、零售、教育、互动娱乐等。以手机为例,商汤科技为OPPO、vivo、小米、华为这些手机品牌提供人脸解锁、智能美颜、智能滤镜等影像技术,让手机拍照更好看,交互更有趣。

为何中国如此得天独厚,便应当考虑人工智能所需的投入。中国拥有丰富的两大基本要素——计算能力以及资本。据咨询公司 Gartner 报道,云计算市场近年来已增长了 30% 之多,且将持续增长下去。据智囊团乌镇智库统计,2012 - 2016 年,中国的人工智能企业获得了 26 亿美元资金,虽然低于美国同行的 179 亿美元,但总体而言仍在飞速增长。

算法研发是一个不断迭代、精心打磨的过程,工业界和学术界最大的区别是学术界希望创造更多的算法,追求更多的是新颖性和创造性,而工业界追求的是系统的功能、性能、稳定性指标,并不要求发明最新颖的算法,而是要依据业务需求和资源限制做出最好用的系统。在工业界进行算法改进,包括很多维度,如数据如何处理、数据规模和来源,参数设置、模型结构,还包括损失函数设计,模型加速算法等,每一个因素都可能对最终结果影响很大。还有非常重要的一点是,需要从系统角度去解决问题,比如设计新的系统处理流程,比如把问题定义为检测问题还是识别问题。

对于如此多的算法模型,如果每个模型都需要不断迭代,同时要支持不同硬件平台的不同版本,在研发人员和训练硬件资源受限条件下,如何持续打磨核心算法是一个很大的挑战。传统的算法开发模式,算法工程师往往提起数据标注任务,由数据标注员标注完成数据标注,但算法工程师需要关心如何开发标注工具、如何培训标注人员、如何转换数据格式、如何提纯标注完的数据,最后再手工方式在一台物理机上将模型训练出来。

据新加坡《联合早报》报道,黑石集团总裁施瓦茨曼指出,中国人工智能技术出现了爆炸性发展。他表示,当他去中国时,看到不断开设的新公司,而向人工智能领域发展的公司正迅速增长。报道称,中国将庞大的政府资金投入于人工智能的研究与发展。普华永道全球主席罗浩智认为,如果美国的企业总裁、教育和政府不再在这方面加强,那么美国很有可能会开始落后。

中国人工智能产业起步相对较晚,但是在技术研究等基础设施方面正处于进步期。人工智能的核心关键是海量的数据,中国人口基数大,移动互联网发展迅速,有庞大的数据资源优势。因此,人工智能的兴起对中国来说是一个难得的机遇期,也对中国的AI科技企业打开了市场大门。

举报 0 收藏 0 打赏 0评论 0
 
 
更多>同类资讯
全站最新
热门内容
网站首页  |  关于我们  |  联系方式  |  版权声明  |  网站留言  |  RSS订阅  |  违规举报  |  开放转载  |  滚动资讯  |  English Version
关闭
ITBear微信账号

微信扫一扫
加微信拉群
电动汽车群
科技数码群