图像识别创业精神，现阶段可以在哪些行业应用图像识别技术？

感谢邀请图像识别应用，您可以学习: ）

最近，在人机围棋游戏中，顶级的国际象棋棋手李世石败给了Google生产的人工智能AlphaGo 1: 4.

核心原理是使用多层神经网络分析图像，同时使用深度学习算法来总结规则，最后提出克服人类主人翁的策略.

实际上，这套原则也可以应用于其他领域，例如Tupu Technology，该技术先前落在MindTalk线路领域. 它使用人工智能每天识别超过3亿次的图片和视频，并利用计算机的功能发现图像信息的价值.

数百家公司已成为其用户，包括奇牛云存储，360，Inke图像识别应用，今日头条，Second Shot和许多其他知名产品.

图像识别，没有10,000个Tang Maru

互联网的开放不仅带来了自由，也成为了垃圾邮件的温床. 最著名的职位之一是“剑黄石”，代表人物自然是“ Tang Maru”，但实际上，再也没有“ Tang Maru”可以满足当前图像识别和挖掘的需求

最好的例子是不久前爆发的“实时流媒体创作”. 视频和实时流内容的兴起使对内容标识的需求成倍增长.

Tupu Technology首席执行官李明强

垃圾邮件问题也存在于Internet的文本时代，但相对容易解决: 可以阻止后台不断更新关键字. 但是，如Pupu Technology首席执行官李明强所说，图片和图像相对复杂.

实时广播需要太多的实时审查. 同时，还有大量的现场直播. 如果某些意外损坏，它将联机.

传统的解决方案是通过人力完成此任务，所需人数将与锚点成比例. 通常，数百人坐在屏幕前，继续对闪烁的图像进行筛选，如果发现不符合要求，将进行手动处理.

相比之下，Tupu Technology提供的解决方案更为简单: 上传图片（视频的直接屏幕截图），我将为您分析图片，然后将结果提供给您.

并且过滤范围非常丰富: 识别，恐怖识别，是否旋转，面值，字符类别，广告识别，是否戴眼镜，头发长度，车身颜色，汽车品牌，服装款式，服装美学，等，等等. 如果您还有其他需求，Tupu还可以为您自定义筛选规则.

使用过程也非常简单. 将图片发送到Tupu的云处理端，然后您可以从云中接收处理结果. 同时，还会反馈机器对结果的确定性（百分比）. 确保这张照片是的，并且照片中的面值有多高. “

即使对于人类来说，即使是这些复杂的尺寸也可能需要花费几秒钟来确定，并且Tupu可以实现的99.5％的图片都能够在0.2秒内获得区分数据反馈.

计算机如何准确地跨越了理解图片的门槛？图普使用什么黑色技术？

每天3亿张图片，如何根据数据读取“理解”图片？

Rubik立方体图片的同一张图片，人眼看到的是Rubik立方体，而计算机只能看到代表每个像素的数据. 尽管人们识别图像的能力也随着时间而积累，但是如何教计算机“理解”图片始终是一个难题.

“理解”一词至关重要，我们每天遇到的验证码就是一个很好的例子. 对于最简单的文本验证码，计算机可以分析图片中像素的颜色值，然后形成一定的笔划结果，最后将其转换为文本.

因此人们开始不断地升级验证码，从替换，抽象字体到在验证码中添加其他干扰元素等，12306的图片检查是功能更强大的验证码之一.

8张显示不同对象的小图片，然后根据提示检查其中一个或多个以通过验证. 最初启动时，所有的取票软件都是傻瓜，然后他们提出了一种方法: 通过数据请求获取所有图片验证码，然后仍然对其进行手动分类. 当需要验证最终票证时，将传递图片的原始数据. 我知道应该检查哪些.

此方法并不会真正读取“了解”图片，而仅使用手册来完成必要的身份验证链接. 如果验证码的足够大并保持更新，那么破解将变得非常困难.

在处理复杂的彩片时，这种仅分析图片原始数据的方法非常薄弱. 例如，一种通过识别图片中肤色的比例（基于像素信息）来排除黄片的软件. 结果是各种牛的图片也变成了图片，并且将两个火腿肠当作大腿对待了.

手册当然在识别准确性方有优势，但是人与机器不同，他们总是很累，错误几乎是不可避免的，并且需要大量的成本和时间来管理.

由于无法给出规则，因此让计算机自行整理规则

由于无法直接对识别人脑图像的过程进行编码，因此我们必须从一开始就学习: 通过识别大量图片来形成计算机的自我认知. 在上周的分享中，首席执行官李明强总结了这种方式:

核心原理类似于生物训练-压力反应，一种是奖赏，另一种是惩罚. 加强他并奖励他（如果他是对的），让他继续加强并重复他的正确行动；如果他做错了，就要惩罚它，然后削弱他. 将以上段落替换为技术术语: 受监督的深度学习技术.

当然，我们首先需要为计算机配备一个不断学习和自我成长的平台: 多个神经网络. 详细说明该技术非常复杂. 综上所述，计算机将原始的单一和分散的分辨率数据进行组合，以从不同的维度（例如颜色，相似性，局部特征等）进行分析，并将其与先前积累的数据进行比较，最后捕获其中的规则，并提取图像中的信息.

这是一个不断发展的过程，与我们的父母教我们识别婴儿时期的图像的过程完全相同. 当然，计算机的效率要高得多，同时，它可以获取大量预先筛选的数据，从而使“学习”过程具有固有的优势.

因此，Tupu Technology提出的解决方案中有这样一个过程: 如果计算机对其自身判断的置信度未达到99.5％，则图像数据将返回给用户本身，而人类的第二次判断是不仅最大程度地保证了效果，而且可以根据人们给出的判断结果修改规则. 李明强也发表了自己的看法:

这种手动审核方法是我们的​​第一个方法. 因为人工智能存在陷阱: 您可以使用人工智能快速完成50％的任务-例如，许多演示都可以取得良好的效果，但是如果可行，它就不可靠.

因此，我们需要告诉用户，我们负责的50％肯定做得很好，而我们不确定的50％，您可以手动查看. 这样，可以完美地解决问题. 当然，在将来，这也是我们不使用体力劳动的努力方向. 该准确率将无限接近曲线. 只要我们可以节省越来越多的人力，我认为我们的目标就可以实现.

图像的兴起和新数据的发现

当被问及视频内容的增长及其对Tupu未来发展的影响时，李明强回答:

人工智能只是手段和工具，视频的爆发是不可避免的.

内容必定已经从简单演变为复杂，从静态转变为动态，从非交互式转变为交互式，从时间共享转变为实时，因此移动视频的爆炸并不是暂时现象.

将来，Internet上的大多数内容可能会通过视频和语音（人类最重要的通信方式）进行传播. 相反，需要学习和理解诸如文本的数据. 这使得图像识别成为新信息链接的关键.

传统Internet上的信息主要存在于文本中，其链接方法主要是超链接. 通过无数的超链接，这些内容形成了一个巨大的库. 但是在掉到图像上之后，超链接的锚点丢失了，因为您无法直接知道两个内容是否相关以及哪些内容相关. 用李明强自己的话说: “图像识别技术将成为这个图像和视频时代的基本服务. ”

所有内容都需要各种图像识别接口来分析各个维度的图像和视频，以便我们可以建立以图像和视频内容为主体的Internet 2.0时代.

李明强还以一个非常典型的同类视频网站/直播网站客户为例: 使用Tupu的技术分析用户上传的内容，然后将获得的反馈与用户联系起来. 它甚至可以成为精确广告的基础. 图普科技的价值在于:

在图像和视频内容的未来时代，它将为企业提供各种连接和增值服务，并在图像和视频时代建立新的Internet商业模式.

人工智能创业热，请保持清醒

在人类输掉了本世纪的Go Go人机战之后，中国出现了几个人工智能项目（包括人工智能项目“异类神机”（也专注于Go）），而韩国也专门从政府支持人力智能产业发展.

关于为何人工智能最近呈现出全面发展的局面，李明强回答如下:

人工智能具有三个关键，一个是数据，一个是计算能力，另一个是算法. 这三个方面最近才刚刚成熟. 由于所有元素都存在，因此出现了大爆炸.

我们的最终目标是使机器睁开眼睛，以了解现实世界.

然而，李明强仍然对炙手可热的“新风口”-人工智能企业家精神持谨慎态度. 他认为像Tupu这样的人工智能平台已经比较成熟，但是机会仍然很多.

如果您想使用人工智能来创业，您仍然需要从人或行业的角度出发. 通过人工智能可以精确地优化哪些内容，以提高效率并降低成本. 这符合业务路径.

本文来源于我的专栏文章: 创建机器欣赏黄大师，Tupu Technology将来将使10,000名Tang Maru资本失业| MindStore-MindStore官方博客-了解本专栏，欢迎大家关注. 每天都有最激动人心的大咖啡分享干货（产品/运营/内容/设计）和企业家访谈.

本文来自电脑杂谈，转载请注明本文网址：
https://www.pc-fly.com/a/jisuanjixue/article-203282-1.html