图像识别与视频分析简介
相关报告
- 数据更新中...
1、图像识别
深度学习在图像识别领域最著名的应该是2012年ImageNet图像分类大赛,比赛要求通过120万张高分辨率图像进行训练模型,然后将1.5万张新的图片分成1000个类别。Hinton研究小组采用基于卷积神经网络的深度学习方法,以16.4%的分类错误率夺冠,领先第二名近10%,此后伴随着产、学界的持续投入,算法的不断改进,ImageNet大赛中图像分类的准确率持续提高。
深度学习应用于图像识别时最重要的环节是自动特征学习。一幅图像包含很多复杂成分和因素,例
如人脸图像会包含姿态、表情、饰物、光暗变化等一系列信息,并且这些信息以像素点的形式存在,并通过非线性的方式组合在一起。传统方法主要通过提取图像信息中包含的人工设计好的特征,然后与数据库中的图像进行比对从而完成识别。深度学习则通过多个隐层逐渐将这些混杂在一起的信息分开,分拆到最后一个隐层时,不同的神经元代表了不同的特征因素。虽然这些自动学习得到的特征可能比较抽象,但相互之间不会交错干扰。提取完毕以后再进行人脸识别、表情识别、年龄估计会方便很多,准确率也得到提升。
通过深度学习进行人脸识别的前提是对人脸特征的学习,具体表现为训练完毕以后深度神经网络的
最后一个隐层所提取出来的人脸特征数据。这样将需要识别的人脸图像提取特征,并压缩为高维度的特征向量(例如80维)即可实现在线快速比对。
【图像识别案例】依图科技
依图科技成立于2012年,是一家专注于计算机视觉的创业公司。公司目前产品服务包括拥有车辆识别系统、身份认证产品两大产品系列。人脸识别在误报率十万分之一的基础上具有92%的通过率,速度上可在0.5秒级内实现单张人像在亿级查询数据库中的检索比对。产品主要应用于安防、金融、互联网及民生领域。公司目前已经完成B轮融资,引入云锋基金。此前A轮及天使轮的投资者包括红杉资本、真格基金等。
依图科技主要业务领域

依图科技人脸识别演示案例

2、视频分析
对视频的监控和分析主要应用在安防以及网络视频监控(短视频网站、直播等)等方面。从几乎无
处不在的摄像头以及互联网上时刻都在新增的视频内容来看,视频分析所面临的数据量极其丰富,这给处理带来了难度但也给基于深度学习的视频分析提供了丰富的训练数据。
深度学习在语音识别和图像识别上的应用都已经比较成熟,在视频分析中还处于起步阶段。图像识
别需要提取的是静态图像的特征,语音识别是在时间维度上有延伸,但视频分析处理的对象是动态
的,在时间和空间的维度上都有连续性。传统的视频识别方法依赖对关键点和动态纹理等变化的跟踪,最新的一些研究方法正在考虑对视频进行复杂的动态建模。
本文地址:http://www.zwzyzx.com/show-269-224895-1.html
上一篇:自然语言处理方法及分析
相关资讯
- 国内印刷线路板行业主要上市公司介绍(2014-12-12)
- 雅森科技:目前市场上唯一可以申请CFDA-3的医疗软件企业(2016-10-24)
- 天鸽互动(9158):层层代理分销的秀场模式(2016-03-31)
- 2012-2013年部分网络游戏上市公司收入和净利润情况(2015-01-12)
- 国内移动智能终端软件行业特点(2015-05-08)
- 互联网巨头打造SaaS生态圈,加速行业发展(2016-11-10)
- 为什么关注能源互联网?电改|分布式|电动车|储能(2016-06-29)
- 中国电子政务总体投资规模及增长率情况(2015-04-08)
合作媒体
最新报告
定制出版
热门报告
免责声明
中为咨询所引述的资料是用于行业市场研究以及讨论和交流,并注明出处,部分内容是由相关机构提供。若有异议请及时联系本公司,我们将立即依据相关法律对文章进行删除或作相应处理。查看详细》》