【2018年整理】码隆科技报告-以图搜图核心技术+垂直行业场景聚焦，打破商品交易的界限.pptxVIP

以图搜图核心技术+垂直行业场景聚焦，打破 商品交易的界限—— 码隆科技调研报告报告要点：? 行业概况：人工智能推动传统行业升级，行业应用花开遍地人工智能经历两起两落，正在经历第三次高潮。深度学习加速人工智 能技术发展，使技术能在终端产品和行业领域里得到应用。资本带动 了人工智能产业落地，人工智能促进企业往数据化、结构化、规范化、 系统化以及自动化方向上进行产业升级。工业智能化、无人机植保、 自动驾驶、刷脸支付、私人助理等人工智能升级产品开花遍地。? 图像识别多领域应用广泛，场景化是商业发展的关键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 式的目标和对象的技术。作为人工智能中发展最为迅速，应用最为广 泛，商业化成熟度最高的技术，其在终端应用场景上也体现了多领域 和场景化。随着技术的不断提升，生物识别、物体与场景识别、视频 识别的典型技术被广泛应用于刷脸支付、医疗影像判断、安防、教育、 交通、零售等领域。? 图像识别：数据、运算、垂直行业是图像识别核心竞争力算法、运算力和数据量是人工智能底层基础，而垂直行业和场景驱动 则决定人工智能上层建筑。现阶段人工智能从算法技术驱动逐步走向 场景化驱动，除基础设施提供者外，对于全产业链生态型、通用技术 型还是垂直领域纵深型人工智能公司，场景都是至关重要的，从长期 来看，图像识别亦只有在合适的场景切入，构建多维度应用空间，才 能够在竞争中占据优势。? 码隆科技：以图搜图核心技术+垂直行业场景聚焦，打破商品交易 的界限码隆科技是国内领先的图像识别技术平台提供商，从纺织面料切入， 为客户提供商品识别、定制化以图搜图搜索引擎，和定制化物体属性、 场景及人物识别 AI 模型及接口。以领先的图像识别技术，以图搜图引 擎工具，垂直行业场景深入，为面料纺织品、服饰电商、红酒等领域 提供精准搜索和推荐，智能鉴别与智能导购，为企业精准营销、人工 运营降低成本，为C端消费者的个性化需求提升服务品质和购物体验， 迎合消费升级和消费者日渐成熟的趋势。11. 行业概况：人工智能推动传统行业升级，行业应用花开遍地1.1人工智能发展历程：自1956年达特茅斯会议人工智能诞生标志开始， 历时半个世纪两起两落，人工智能正在经历第三次高潮。数据量、运算力和算法模型是影响人工智能行业发展的三大要素， 自人工智能的诞生开始，由于计算机运算能力、算法模型和数据量 的限制，人工智能不得不经历数次起落，从人工智能的时间历程来 看，有几个重要的时间节点。2000年后，得益于互联网、社交媒体、移动设备和廉价的传感器， 这个世界产生并存储的数据量急剧增加；而擅长并行计算的GPU满 足人工智能巨量的数据运算需求；深度学习算法较之神经网络的反 响传播算法（BP算法）、支撑向量机（SVM）等浅层学习算法的局 限性，无监督的学习使得机器从海量数据库里自行归纳特征，穷举 各种复杂情境，使算法拟合的准确率达到最高；人工智能也真正走 入了智能感知的时代。人工智能发展历程1990年，人工智能 计算机DARPA没能 实现，政府投入缩 减，人工智能进入 第二次低谷现在，深度学习算法在自然语言处理、计算机视觉识别上 获得巨大成功，进 入感知智能时代1970年，计算能力 未能使机器完成大规 模训练和复杂任务， AI进入第一次低谷1956年，达茅斯会议“人工智能” 正式诞生的标志2006年，Hinton提 出“深度学习”神经 网络，使得人工智能 获得突破性进展1957年，第一款神 经网络Perceptron 推动人工智能进入 第一个高峰1982年，霍普菲尔德 神经网络被提出；BP 算法将人工智能推向第二个高峰图示：根据互联网公开信息整理请务必阅读文末的免责声明36氪调研报告（第48期）—— 码隆科技2017.061.2 深度学习加速人工智能技术发展，使技术能在终端产品和行业 领域里得到应用。1.2.1深度学习技术深度学习（Deep Learning）是机器学习的分支，它试图使用包含 复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽 象的算法。深度神经网络具备至少一个隐层的神经网络，与浅层神 经网络类似，深度神经网络也能够为复杂非线性系统提供建模，而 多出的层次为模型提供了更高的抽象层次，提高了模型的能力。至今已有数种深度学习框架，如深度神经网络、卷积神经网络和深 度置信网络和递归神经网络已被应用计算机视觉、语音识别、自然 语言处理、音频识别与生物信息学等领域并获取了极好的效果。基于神经元网络的深度学习算法示意图在短短几年时间里，深度学习颠覆了语音识别、语义理解、计算机 视觉等基础应用领域的算法设计思路，逐渐形成了从一类训练数据 出发，经过一个端到端的模型，直接输出最终结果的一种模式。由 于深度学习是根据提供给它的大量的实际行为（训练数