图像识别对语音语义交互领域形成补充

您当前位置：首页 > 行业分析 > IT通讯 > 　正文

来源：中为咨询www.zwzyzx.com 【日期：2016-08-31 17:54:06】【打印】【关闭】

相关报告

全国主要地区显示器产业发展状况暨投资环境调查研究报告(2014-12-01)
2015-2019版筛分设备行业企业建设项目可行性研究报告(2014-10-30)
2015-2020年中国地矿勘测设备行业市场重点层面调查研究报告(2015-09-07)
中国银钎料行业市场深度调查研究及投资咨询报告(2018-08-02)
2014-2018年中国精萘业兼并重组及投资建议研究分析报告(2014-10-15)
2014-2018年中国工业检测设备行业市场深度调查研究及投资前景咨询研究报告(2014-01-16)
中国三相电能表行业市场深度调查研究及投资咨询报告(2018-08-17)
中国离心风扇行业市场深度调查研究及投资咨询报告(2018-08-07)
2014版百菌清行业企业建设项目可行性研究报告(2014-10-16)
2015-2019年中国喷油嘴企业拟IPO上市细分市场研究报告(2014-10-28)

图像识别系统的过程分为五部分：图像输入、预处理、特征提取、分类和匹配。人类感觉信息中的80%都是视觉信息。图像识别是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。识别过程包括图像预处理、图像分割、特征提取和判断匹配。简单来说，图像识别就是计算机如何像人一样读懂图片的内容。借助图像识别技术，我们不仅可以通过图片搜索更快的获取信息，还可以产生一种新的与外部世界交互的方式，甚至会让外部世界更加智能的运行。

图像识别过程

图像识别的应用领域非常广泛。从工业视觉到人机交互，从视觉导航到虚拟现实，从安全领域到医学图像，从自动解释道遥感分析，这些在未来服务机器人身体上都是非常重要的功能。

图像应用领域

印刷/手写字体OCR识别技术早已成熟，自然条件下OCR技术在十年前是难题。20世纪90年代，平板扫描仪对印刷体文本的识别率已经达到99%以上，谷歌还申请了图书扫描专利，除此之外手写字体的识别也被广泛用于邮件分类、支票分类、手写表格数字化等领域。但是在2004年300万像素的智能手机诞生后，人们发现手机拍摄的自然条件下的文字识别率大大降低，即使是印刷字体也只能达到60%-70%的识别率。

十年前文本和自然条件下OCR识别率对比

近年来自然条件下OCR识别率不断提高，微软取得突破性进展。经过技术不断突破，业界识别精度达到80%，召回率达到67%。在2014年8月斯德哥尔摩举办的国际模式识别大会（ICPR）上，微软亚洲研究院团队将自然条件下文字识别精度提升到92.12%，召回率提升至92.32%，基本达到商用门槛值。

2014年微软亚洲研究院极大提升了自然条件下OCR识别率

图像识别准确率不断提高，但是仍无法满足商用要求。ImageNet图像分类大赛：以计算机视觉领域“奥林匹克竞赛”之称的ImageNet对象分类为基准。比赛设置：1000类图像分类问题，训练数据集126万张图像，验证集5万张，测试集10万张。2012，2013，2014均采用了该数据集。评价标准采用top-5错误率，即对一张图像预测5个类别，只要有一个和人工标注类别相同就算对，否则算错。近年来识别准确率不断提高，但仍在自然条件下表现不好，仍无法满足商用要求。

ImageNet历年成绩

未来图像识别门槛值突破将依靠深度学习。图像识别技术并不完善，仍然面临许多困难。图像识别的问题，目前是学术界研究的热点，这类AI问题将从三个方面去着手解决：首先是计算能力，通过CPU、GPU、分布式架构等提高计算能力，然后是大数据，数据量越多，一般来说越有利于机器学习，还有算法，目前主流的算法是深度学习的CNN算法和RNN算法。

图像识别未来研究方向