日本毛片的免费高清视频

        1. <tr id="tntjc"></tr>
          <th id="tntjc"></th>
          <big id="tntjc"></big>

        2. <strike id="tntjc"></strike>
        3. 王海鷹
          作者很懶,什么都沒留下

          1

          文章/篇

          8015

          閱讀/次

          拜訪信息

          為了給您提供更快更好的服務,在獲取作者聯系方式前,想對您有個簡單了解. 邀請您填寫如下信息

          提交成功

          非常感謝您的配合,我們的作者會盡快通過您的微信,
          請耐心等待~

          微信號

          15701235851

          碼隆科技王海鷹:解析AI商品識別應用,我們痛并快樂著

          王海鷹
          2019-05-29 · 18:29
          [ 億歐導讀 ] 5月23-24日,由億歐主辦的GIIS2019中國智慧城市峰會在北京成功舉辦。碼隆科技商務副總裁王海鷹出席峰會,并發表了《 智周萬物,解析AI商品識別的應用場景》的演講。
          碼隆科技 演講 智能商業 王海鷹 ,碼隆科技,商品識別,人工智能,智能商業

          文章來源于:王海鷹,圖片來自“億歐圖庫”

          碼隆科技是一家專注于商品識別的人工智能圖像識別公司,商品識別包括了很多層面,包括了商品的品類、屬性等等,屬性又能分為宏觀和微觀層面。

          關于技術和應用的思考,王海鷹說,碼隆科技也經歷了從技術到項目再到產品化的過程,這是一個痛并快樂著的過程。她分享了兩點體會:

          第一,我們真正在去做AI或者做前沿技術落地的時候,我們是經歷了一個由表及里的過程;

          第二,真正價值的體現需要一步一步實現,我們在談到落地的時候,我們需要以點及面,先把痛點問題逐一突破,再聯結起來看整體行業的革新。

           以下是王海鷹的演講原文,億歐智慧城市在不改變嘉賓原意的基礎上,進行了編輯。


          王海鷹:各位好,非常高興今天能夠應億歐邀請參加這個活動,前面的嘉賓也提到了一個讓我們整個AI行業在近一兩年里面深入內心的一個詞,就是“落地”。

          人工智能從13、14年,AlphaGo開始,整個行業的興起到現在,我們越來越多關注從技術本身轉化為關注AI技術帶來的商業價值、應用場景、商業場景。所以今天我分享內容也會從“落地”這個方向上展開。

          快速介紹一下碼隆科技,碼隆科技是一家成立于2014年,致力于人工智能圖像識別的一家公司。碼隆科技從成立之初就一直專注在做商品識別,從人工智能圖象識別的角度上講,人臉識別是大家比較熟悉的,那另外一個范疇就是物體識別的場景——也就是我們所從事的商品識別。

          商品識別是什么?

          今天我也會跟大家分享一下,商品識別到底是什么?大家可以看到,剛才講到了計算機視覺有一個很廣泛的應用,我們把它分一下類,包括人體識別、物體識別(商品識別),還有場景識別。碼隆專注于商品識別。

          商品識別包括了很多層面,包括了商品的品類,到底是快銷品還是3C商品,還是服裝服飾等。

          除此之外,還包括一些商品的基本的屬性,包括在什么地方生產的,包括外觀是什么樣子的,還有規格、商標等,這樣一些商品自帶的屬性內容。

          再進一步看的話,這些商品的屬性又會有很多的層面,比如說從外觀或者說是宏觀的層面上我們可以識別出很多內容。

          除了宏觀還有一些個體上的,比如對于一個商品,哪怕是一瓶飲料,也會有很多品牌,每一個品牌可能都有不同的包裝。比如像我們在服務可口可樂、蒙牛的時候,可口可樂他們每一個季節都有不同商品包裝替換,還有一些主題性的,有些大的IP,他們包裝都會更換,所以對于一個商品個體本身也有很多屬性的變化。大家日常生活當中看到的更多是宏觀的屬性,而當我們關注商品和物體本身區別的時候,我們也會看到一些微觀的場景,比如說顯微成像,X光成像,這方面碼隆也會有關注。

          技術與行業結合的“碼隆經驗”

          今天因為講的是并不是技術本身,更多在說的是商業應用,這樣的技術跟商業場景,或者跟我們一些行業的應用怎么結合。AI技術與行業應用真正的結合到落地,會經過怎么樣的過程。碼隆是2014年成立,到現在是四年多的時間,我們也經歷了從技術到項目再到產品化的過程,這是一個痛并快樂著的過程。

          首先大家可以看到,對于人工智能來說,最基礎的是關于算法的科學研究,在碼隆的團隊里面,我們專門有一個算法團隊,算法團隊的工作也分成兩類職能,一類職能更多是銜接我們商業的項目和銜接一些產品的支撐,還有一部分是由科學家組成的研究團隊,他們更多的是做一些底層技術研究,這邊列出來得比如弱監督學習、物體檢測、細粒度識別分析等領域,都是他們重點攻關的方向。碼隆科技致力于人工智能賦能傳統行業,這是我們必須要去做的一件事情,我們要保持技術的領先性,這是一個創造性的過程,要不斷迭代和提升才有可能站到行業前沿——以此提供更好的服務,賦能更多得企業客戶,創造更多得應用場景。

          有了這些科研成果,我們的算法模型出來之后是不是真的馬上能夠面向市場呢?顯然不是的,我們要經過一個技術產品化的開發過程。對于碼隆來說,我們在整個識別應用過程中,用兩年多的時間研發了一個叫做ProductAI的技術平臺,這是集成各類商品識別技術的平臺,我們通過這個平臺提供了一百多個基礎識別模型,針對各個垂直領域,比如有專門做服飾識別的,有專門做家具識別的。此外還包括搜索服務,通用搜索只是一個方面,如果想去做更精準或者更垂直的應用搜索是要分品類的,在碼隆的ProductAI技術平臺上,我們是把它細化成成了服飾搜索、家具、家居的搜索,都是有專門的垂直搜索應用。

          在這個過程當中,我們以這種API、SDK的合作形式服務了很多客戶和合作伙伴。在過去兩三年當中,我們用這樣的方式,以平臺化、通用化的服務與我們的客戶碰撞出來了很多商業應用場景。在這些商業應用場景里,我們通過技術賦能,幫助他們去創造一些產品,其中也包括各類ToB和ToC的應用。

          隨著不斷的探索,我們發現應該進一步往端到端的產品化方向去做。因為做了太多定制化項目之后,我們可以大量總結出來一些共性的需求,利用AI技術去解決一些行業的痛點問題。

          之前在做純平臺化產品的時候,我們一天要接到近百個電話,其中包括五花八門的各類需求,我們去做分析的時候,會發現順應現在的AI大火之勢,大家可能為了AI而AI。經過審慎分析之后,我們發現有的時候AI并不是適用所有的場景,也不是所有的場景應用了AI就一定是最經濟的,只是提高了效率,但是成本可能過高,并不一定是最優的選擇,所以我們也會把這個去偽存真,把一些偽需求去掉。通過這樣一些項目的積累,或者這樣一些經驗的總結之后,我們會把它梳理成一些我們可以未來長期固化下來,標準化的一些產品,所以我們會進入到一個真正的技術和產品落地的場景。

          大家現在看到的就是碼隆已經在做的一些行業類的深度解決方案。大家第一個看到的是智能貨柜,一會兒我會把它作為今天主要的案例跟大家分享,分享我們在整個研發智能貨柜的產品過程當中,我們的一些心得和體會。

          在智能商業場景找價值 

          另外很重要的場景是在商超,在推動技術到商業的過程中,我們希望從一些更扎實、精細的點,由點及面做一些真正可以落地,可以真正產生商業價值的事情,比如自主結算、資產保護和輔助稱重。我們的技術現在已經在國內和國外的超市進行了落地應用,讓B端客戶感受到在不提升很大成本的情況下大大提高效率,讓C端用戶充分感受到技術對生活體驗的提升和優化。

          同時,我們也有門店洞察的解決方案,我們專注于商品識別,微軟提供人臉識別,我們共同打造了這樣一個解決方案,在保證隱私和數據安全的前提下,讓門店和管理者更加系統化地了解自己的顧客。我們在與客戶合作過程中,遇到了很多類似這樣的需求。

          前面這些更多是在智慧零售的方向,同時我們也依舊以平臺為介質繼續提供技術賦能的服務,大部分的客戶是各類電商平臺,我們的技術可以支持他們在自己的產品重快速的實現以圖搜圖和相似推薦等一些功能,我們的標準的接口可以幫助這些電商平臺在最快兩三天之內就可以把整個圖像搜索的引擎搭建起來。

          另外還有對商品的深度識別,這邊的應用不是在零售場景下,而是我們另一個專注的紡織服裝行業。碼隆不僅可以識別服裝本身的顏色、款式,我們也在深入到生產端去做一些纖維檢測。比如我們每一件衣服旁邊都會有一個標簽,這個標簽里面都會標注含纖維的比例,這部分內容都是要經過專業的第三方機構檢測,要人工通過顯微鏡下的成像一個一個去看,這對他們來講也是一個很大的人力壓力,一個資深的檢測員需要有三到五年的培訓和工作經驗,我們現在是通過人工智能的方式進行輔助識別,將一個切片的識別時間由半小時降到秒級。所以這部分是深度識別的應用的一些場景。

          碼隆科技商務副總裁  王海鷹.jpg

          碼隆科技商務副總裁  王海鷹

          智能貨柜的真實案例

          剛才從整體架構上介紹了我們正在做的事情,接下來分享一個具體的例子析——關于智能貨柜的解決方案。從最初的無人貨架開始,應該說是2016年的時候開始無人貨柜也算席卷了中國一圈,新的商業場景吸引了大量的資本和創業者。如今大家回過頭會發現,無人貨架的商業模式中有一些先天不足。無人貨架的一些企業倒掉了,但還有一些在繼續堅持和探索,大家更多在往新技術的角度考慮,不能光靠考驗人性來實現商業價值,我們還是要提供一些技術和能力,幫助大家真正讓整個新的場景成立,我們做商品識別,我們自然而然就開始進入到這樣一個項目當中。

          整個無人貨架或者無人零售這個概念,從個體來講,更多強調是用戶消費者的體驗,我們認為無人了,沒有人去干擾你,可以自助的選擇商品是一種更自然的消費體驗過程。我們從2017下半年正式開始做這個產品,我們經歷了一個從超級興奮,到非常困苦,再到希望重燃的過程。這次概念初興之時,大家都認為找到了下一個風口,所以我們非常興奮投入到這件事情里面去。但實際上我們做進去以后才發現,這是一個復雜的過程。

          我們大概是在2018年3、4月份的時候,我們第一臺樣機已經出來了,我們當時很有信心,因為我們算法很牛,我們很快把樣機做出來之后放到市場上做驗證,其實驗證過程當中,是蠻多痛苦的。我們發現這里有很多我們意想不到的問題,鎖的問題,節電的問題,安全的問題。我們才意識到,作為一家人工智能公司,我們更多擅長做軟件和算法層面的事情,真正要把這個算法應用到實地場景當中,離不開整個冷柜硬件的介質,有很多實際的復雜情況發生。很多問題并不是我們擅長能夠解決的。我們曾經異常興奮,我們可以把算法很好的移植到硬件當中去,我們應該很快就能賺到錢了。實際上我們發現不是這樣,因為算法再好,如果沒辦法持續的在這樣介質或者在這樣環境當中去運行,商業價值就沒辦法體現。

          后來我們就開始找合作伙伴,我們找硬件的合作伙伴,運營的合作伙伴。最后我們確認了與海爾的合作。市場上很多硬件廠家與算法技術公司的合作,可能更多采取是OEM的形式。所謂OEM的形式就是公司直接采購硬件廠家的柜子,定義好產品之后,廠家只是去組裝,組裝好了之后把它放到市場上去。投入市場才會發現,硬件廠商幫他們組裝出來的硬件,前面說到的這些問題依然會存在。而我們跟海爾的合作模式是一種聯合開發的模式,并不是OEM而是跟海爾成為純粹的合作伙伴,我們一起打磨我們硬件,我們會發現算法的識別是受制于環境的影響,所以你在一個冷柜里面要去考慮燈光,攝像頭等各種各樣問題。比如說防霧的問題,比如色溫的問題,比如曝光值的問題等等一系列問題,都必須跟硬件廠家做非常緊密的配合,雙方都貢獻自己的專業知識和經驗,才能找到解法。我們一次又一次做實驗,到底什么樣的曝光值是能夠穩定的,硬件層面上可以穩定住,同時又能符合我們算法識別的要求。海爾的產品質量認證體系是非常嚴格的,他們有40多項質量認證體系,為了通過整個認證體系的認證,符合標準,聯合開發團隊共同探索出一個方式能夠讓海爾的生產人員去驗證攝像頭的各項指標,各方面指標是既符合算法識別要求,同時又是硬件的廠家能夠接受的,甚至連這樣一些測試標準和測試方法都是碼隆跟海爾一起研發探索出來的。

          就智能貨柜這個產品來說,其實我們做的是一個既To B又To C的工作。因為智能貨柜是給終端消費者使用的,大家看到也都是終端消費者多嗨多爽,實際上真正要實現這個嗨,實現這個爽,并且能夠穩定、持續的享受下去的話,我們在背后做了大量的工作。所以我想說,AI技術在真實應用場景的落地,不僅僅是一個優化消費者購物體驗的過程,也是和行業上下游不斷合作,從無到有的一個創造性的過程。

          接下來,也想在另外一個層面上跟大家分享,也還是從智能貨柜這個層面來說,到底AI識別的未來是什么?或者價值是什么?計算機通過將商品識別認出來是一瓶可樂,還是礦泉水,還是酸奶,識別出來以后可以直接實現付費這樣一個購物體驗,是否僅限于此?大家可以看到,這是我們做的貨柜,是一個整體解決方案,一個端到端的產品,如果僅僅有這樣購物的體驗是不夠的,我們要去考慮整個價值鏈當中,消費者僅僅是最后一環。再往前面要考慮運營上貨的需求,你要考慮運營商的需求,再考慮品牌商的需求,還有一些新物種平臺運營的需求。在各個層面我們需要滿足他們不同的需求。

          大家看到我們的智能貨柜,針對品牌商客戶來說,這個柜子首先是一個數據采集器,要能夠通過數據的采集實現對實時銷售動態庫存的了解,包括一些補貨信息、客單流量,是需要通過貨柜把這樣的數據采集上來,此后,我們可以實現的是后面這樣一些數據的管理,包括純凈度管理、陳列規范、設備監測等,一些IOT層面的管理。到最后面我們有了這樣數據的搜集、分析之后,可以支持他們再做一些品牌策略上的決策。

          其實最初的時候,我們只是做了一個核心系統,當時我們認為只要我們把最擅長的做好就可以了。實際上大家看到,我們真正完成這個產品的時候,包含了前端的攝像頭、燈光的控制,包括云端或本地的整個識別系統,還有數據終臺以及后端商品運營和商戶運營商的管理系統——這才是整個最終完成的產品化的解決方案的系統,比我們最初預想的要復雜的多得多,卻也實用的多得多。

          總結

          我想用這兩句話結束我的演講。第一,我們真正在去做AI或者做前沿技術落地的時候,我們是經歷了一個由表及里的過程,真的要做到深度關聯垂直行業各個層面的時候,我們才能真正實現技術的落地。

          第二,真正價值的體現需要一步一步實現,我們在談到落地的時候,我們需要以點及面,先把痛點問題逐一突破,再聯結起來看整體行業的革新,做好商品視覺數據結構化,這樣數據的價值才能夠挖掘和體現出來,才是真正落地的價值。

          今天我講的內容就是這么多,謝謝大家。

          本文經授權發布,版權歸原作者所有;內容為作者獨立觀點,不代表億歐立場。如需轉載請聯系原作者。

          各工作崗位將被AI取代的概率

          選擇崗位,查看結果

          制圖員和攝影師

          87.9%

          廣告

          參與評論